基于脑电信号的不良图片识别方法及系统

本发明涉及计算机识别，具体涉及一种基于脑电信号的不良图片识别方法及系统。

背景技术：

1、p300信号是一种事件相关电位(event related potential，erp)，p300信号因其易于激发和测量，诱发实验需要较短的训练时间，没有复杂的范式，适用于大多数受试者。

2、传统的p300信号处理方式，有通过对p300信号进行时、频域上的特征提取，然后对提取到的特征进行有监督分类的方式来实现。还有基于深度学习的卷积神经网络、长短期记忆网络的神经网络算法。但大都需要事先进行多次实验，将多次信号叠加后进行识别，花费时间长，识别速度慢，对于单次p300信号存在识别准确率低的问题。

3、随着5g技术的发展，网络直播与短视频走进了人们生活。对于直播与短视频平台来说，需要对视频进行审核，确保不涉及不良诱导信息。以图像识别技术为基础进行不良信息鉴别的，在直播的时候，每个直播间会间隔一秒或几秒采集一个关键帧，关键帧会发送到图像到算法模型输出识别结果。但人工智能也有其局限性——机器还很难模拟出普通用户的使用体验，很难理解内容背后的深意，很难作出准确的判断。人工结合机器审核的方式，需要大量包含不良信息的图片训练集进行模型训练，模型泛化能力差，需要大量计算资源，同时人工鉴别工作量大，劳动成本高。

技术实现思路

1、本发明的目的在于提供一种基于脑电信号的不良图片识别方法及系统，以解决上述背景技术中存在的至少一项技术问题。

2、为了实现上述目的，本发明采取了如下技术方案：

3、一方面，本发明提供一种基于脑电信号的不良图片识别方法，包括：

4、获取人的由待识别的图片诱发的脑电信号；

5、利用预先训练好的检测模型对获取的脑电信号进行处理，判断所述待识别的图片是否含有不良信息；其中，所述预先训练好的检测模型由训练集训练得到，所述训练集包括多张包含有不良信息的图片以及标注由所述不良信息诱发的脑电信号的标签。

6、优选的，训练所述检测模型包括：利用多组图片系列进行rsvp脑电p300诱发，每组图片序列图像主要分为两类：目标图像为包含不良信息的图片，非目标图像则不包含不良信息；采用8通道的干电极脑电采集设备，采集诱发的脑电p300信号数据集；将采集到的脑电p300信号数据集划分为训练集与测试集对检测模型进行训练与验证，将最终优化好的模型进行保存与固化，封装为detection_model()，即为最终训练好的检测模型。

7、优选的，所述检测模型包括数据预处理层、数据输入层、特征提取层、全连接层；

8、所述数据预处理层用于对脑电信号进行去除基线漂移和带通滤波；

9、所述数据输入层用于对预处理后的脑电信号加载到模型网络中，并转化为传输到神经网络的数据张量；

10、所述特征提取层用于提取脑电信号的时域特征；

11、所述全连接层用于根据时域特征，计算待识别的图片类别的决策概率值，值高的为不良图片。

12、优选的，采用零均值处理法对信号进行去除基线漂移；采用巴特沃斯滤波器对脑电数据进行带通滤波，保留有效脑电成分，去除工频干扰。

13、优选的，特征提取层包括第一卷积、第二卷积和lstm模块；第一次卷积使每个输出帧包含多个电极的空间信息；第二卷积使每帧输出包含时间信息；lstm模块提取时域特征，通过门控状态来控制传输状态，保留需要长时间记忆的特征信息，无关的信息则被遗忘，用以学习p300信号序列的时序上的依赖性。

14、优选的，全连接层通过softmax获得p300与非p300两类的分数，其输出为网络模型判决为各类别的决策概率值。

15、第二方面，本发明提供一种基于脑电信号的不良图片识别系统，包括：

16、获取模块，用于获取人的由待识别的图片诱发的脑电信号；

17、检测模块，用于利用预先训练好的检测模型对获取的脑电信号进行处理，判断所述待识别的图片是否含有不良信息；其中，所述预先训练好的检测模型由训练集训练得到，所述训练集包括多张包含有不良信息的图片以及标注由所述不良信息诱发的脑电信号的标签。

18、第三方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的基于脑电信号的不良图片识别方法。

19、第四方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现如上所述的基于脑电信号的不良图片识别方法。

20、第五方面，本发明提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的基于脑电信号的不良图片识别方法的指令。

21、本发明有益效果：基于脑机接口获取脑电信号的不良信息鉴别系统，通过检测由不良信息图片诱发出的p300信号对图片序列是否含有不良信息进行判断，不需要大量图片训练集与计算资源；直接对脑电信号进行检测，具有较高可靠性，实现了脑-机之间的协同合作。

22、本发明附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本发明的实践了解到。

技术特征：

1.一种基于脑电信号的不良图片识别方法，其特征在于，包括：

2.根据权利要求1所述的基于脑电信号的不良图片识别方法，其特征在于，训练所述检测模型包括：利用多组图片系列进行rsvp脑电p300诱发，每组图片序列图像主要分为两类：目标图像为包含不良信息的图片，非目标图像则不包含不良信息；采用8通道的干电极脑电采集设备，采集诱发的脑电p300信号数据集；将采集到的脑电p300信号数据集划分为训练集与测试集对检测模型进行训练与验证，将最终优化好的模型进行保存与固化，封装为detection_model()，即为最终训练好的检测模型。

3.根据权利要求2所述的基于脑电信号的不良图片识别方法，其特征在于，所述检测模型包括数据预处理层、数据输入层、特征提取层、全连接层；

4.根据权利要求3所述的基于脑电信号的不良图片识别方法，其特征在于，采用零均值处理法对信号进行去除基线漂移；采用巴特沃斯滤波器对脑电数据进行带通滤波，保留有效脑电成分，去除工频干扰。

5.根据权利要求3所述的基于脑电信号的不良图片识别方法，其特征在于，特征提取层包括第一卷积、第二卷积和lstm模块；第一次卷积使每个输出帧包含多个电极的空间信息；第二卷积使每帧输出包含时间信息；lstm模块提取时域特征，通过门控状态来控制传输状态，保留需要长时间记忆的特征信息，无关的信息则被遗忘，用以学习p300信号序列的时序上的依赖性。

6.根据权利要求5所述的基于脑电信号的不良图片识别方法，其特征在于，全连接层通过softmax获得p300与非p300两类的分数，其输出为网络模型判决为各类别的决策概率值。

7.一种基于脑电信号的不良图片识别系统，其特征在于，包括：

8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-6任一项所述的基于脑电信号的不良图片识别方法。

9.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现如权利要求1-6任一项所述的基于脑电信号的不良图片识别方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-6任一项所述的基于脑电信号的不良图片识别方法的指令。

技术总结
本发明提供一种基于脑电信号的不良图片识别方法及系统，属于计算机识别技术领域，获取人的由待识别的图片诱发的脑电信号；利用预先训练好的检测模型对获取的脑电信号进行处理，判断所述待识别的图片是否含有不良信息；其中，所述预先训练好的检测模型由训练集训练得到，所述训练集包括多张包含有不良信息的图片以及标注由所述不良信息诱发的脑电信号的标签。本发明基于脑机接口获取脑电信号的不良信息鉴别系统，通过检测由不良信息图片诱发出的P300信号对图片序列是否含有不良信息进行判断，不需要大量图片训练集与计算资源；直接对脑电信号进行检测，具有较高可靠性，实现了脑‑机之间的协同合作。

技术研发人员：杜欣,范方朝,谢城壁,刘佳伟,徐建军
受保护的技术使用者：北京交通大学
技术研发日：
技术公布日：2024/1/11