(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211373413.5 (22)申请日 2022.11.04 (71)申请人 智慧眼科技股份有限公司 地址 410205 湖南省长 沙市高新 开发区尖 山路39号长 沙中电软件园一期14栋 (72)发明人 刘伟华　李娇娇　 (74)专利代理 机构 深圳众鼎汇成知识产权代理 有限公司 4 4566 专利代理师 朱业刚 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于脑电波信号的情绪分类方法及装置 (57)摘要 本申请是关于一种基于脑电波信号的情绪 分类方法、 装置、 计算机设备及存储介质， 该方法 包括： 获取第一脑电波信号； 对第一脑电波信号 按照预设时间周期进行采样， 得到由离散的多个 第二脑电波信号 以及第二脑电波信号对应的时 序信息构建的时序特征图； 利用注意力机制， 基 于时序特征图， 确定由不同时序信息对应的第二 脑电波信号的权重信息构建的时序权重特征图， 该时序权重特征图用于表征时序特征图中各特 征向量对应的权重； 基于第二脑电波信号、 时序 权重特征图以及分类模型， 确定第一脑电波信号 对应的情绪 分类标签。 从而基于利用注意力机制 得到的时序权重特征图， 得到更为精确的情绪分 类标签， 进而提高分类模型对脑电波信号的情绪 分类结果的准确性。 权利要求书3页 说明书12页 附图5页 CN 115422983 A 2022.12.02 CN 115422983 A 1.一种基于脑电波信号的情绪分类方法， 其特 征在于， 包括： 获取第一脑电波信号， 其中， 所述第一脑电波信号包括至少一路用于监测第一样本对 象的脑部的电极信号； 对所述第一脑电波信号按照预设时间周期进行采样， 得到由离散的多个第 二脑电波信 号以及所述第二脑电波信号对应的时序信息构建的时序特征图； 其中， 所述对所述第一脑 电波信号按照预设时间周期进 行采样， 得到由离散的多个第二脑电波信号以及所述第二脑 电波信号对应的时序信息构建的时序特征图， 包括： 分别对所述第一脑电波信号按照第1至 N预设时间周期进行采样， 得到由离散的多个第二脑电波信号以及所述第二脑电波信号对 应的时序信息构建的第1至N子时序特征图， 其中， N为大于或等于2的正整 数， 不同的预设时 间周期对应的时间周期长度不同； 基于N个子时序特征图， 确定由N组离散的多个第二脑电 波信号以及所述第二脑电波信号对应的时序信息构建的时序特 征图； 利用注意力机制， 基于所述时序特征图， 确定由不同时序信息对应的所述第二脑电波 信号的权重信息构建的时序权重特征图， 所述时序权重特征图用于表征时序特征图中各特 征向量对应的权 重； 基于所述第二脑电波信号、 所述时序权重特征图以及分类模型， 确定所述第一脑电波 信号对应的情绪分类标签， 其中， 所述分类模型为基于第二样本对 象的脑电波信号训练得 到的机器学习模型。 2.根据权利要求1所述的方法， 其特征在于， 所述基于N个子时序 特征图， 确定由离散的 多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特 征图， 包括： 基于N个子时序特 征图， 确定各个时序特 征向量与相邻的时序特 征向量之间的差分熵； 根据各个时序 特征向量与相邻的时序 特征向量之间的差分熵， 确定由离散的多个第 二 脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特 征图。 3.根据权利要求2所述的方法， 其特征在于， 所述根据各个时序 特征向量与相邻的时序 特征向量之 间的差分熵， 确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应 的时序信息构建的时序特 征图， 包括： 根据各个时序 特征向量与相邻的时序 特征向量之间的差分熵， 对由离散的多个第 二脑 电波信号进行滤波处理， 以确定由离散的多个第二脑电波信号以及所述第二脑电波信号对 应的时序信息构建的时序特 征图。 4.根据权利要求1至3任一项所述的方法， 其特征在于， 所述利用注意力机制， 基于所述 时序特征图， 确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重 特征图， 包括： 确定所述 时序特征图对应的各个时序 特征向量在注意力 机制中映射的查询向量、 键向 量和值向量； 根据各查询向量和各键向量， 确定时序特征图中不同时序信 息对应的第 二脑电波信号 的权重信息； 根据所述权重信 息以及所述权重信 息对应的时序 特征向量的值向量， 确定由不同时序 信息对应的所述第二脑电波信号的权 重信息构建的时序权 重特征图。 5.根据权利要求4所述的方法， 其特征在于， 所述根据各查询向量和各键向量， 确定时 序特征图中不同时序信息对应的第二脑电波信号的权 重信息， 包括：权　利　要　求　书 1/3 页 2 CN 115422983 A 2根据所述 时序特征图中的第 一时序特征向量对应的第 一查询向量和各键向量， 得到各 时序特征向量与所述第一时序特征向量关联的各第一权重， 以此类推， 根据第M时序特征对 应的第M查询向量和各键 向量， 得到各时序特征向量与所述第M时序特征向量关联的各第M 权重； 并对各时序特征向量上 的权重进行加权处理， 以确定时序特征图中不同时序信息对 应的第二脑电波信号的权 重信息， 其中， M为时序特 征图中时序特 征向量的总数。 6.根据权利要求4所述的方法， 其特征在于， 所述根据各查询向量和各键向量， 确定时 序特征图中不同时序信息对应的第二脑电波信号的权 重信息， 包括： 将各所述查询向量与所述键向量进行点乘运算， 再除以所述键向量的维度平方根， 得 到查询向量的分数矩阵； 利用softmax函数， 对所述查询向量的分数矩阵进行归一化， 计算得到权重矩阵， 以确 定时序特 征图中不同时序信息对应的第二脑电波信号的权 重信息； 所述根据 所述权重信 息以及所述权重信 息对应的时序特征向量的值向量， 确定由不同 时序信息对应的所述第二脑电波信号的权 重信息构建的时序权 重特征图， 包括： 将所述权重矩阵与 所述时序特征图中的各时序特征向量对应的值向量进行乘法运算， 确定由不同时序信息对应的第二脑电波信号的权 重信息构建的时序权 重特征图。 7.根据权利要求1所述的方法， 其特征在于， 所述基于所述第二脑电波信号、 所述时序 权重特征图以及分类模型， 确定所述第一脑电波信号对应的情绪分类标签， 包括： 基于所述第二脑电波信号、 所述时序权 重特征图， 确定第三脑电波信号； 基于所述第三脑电波信号以及分类模型， 确定第一脑电波信号对应的情绪分类标签。 8.一种基于脑电波信号的情绪分类装置， 其特 征在于， 包括： 获取模块， 用于获取第一脑电波信号， 其中， 所述第 一脑电波信号包括至少一路用于监 测第一样本对象的脑部的电极信号； 采样模块， 用于对所述第一脑电波信号按照预设时间周期进行采样， 得到由离散的多 个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图； 其中， 所 述对所述第一脑电波信号按照预设时间周期进行采样， 得到由离散的多个第二脑电波信号 以及所述第二脑电波信号对应的时序信息构建的时序特征图， 包括： 分别对所述第一脑电 波信号按照第1至N预设时间周期进 行采样， 得到由离散的多个第二脑电波信号以及所述第 二脑电波信号对应的时序信息构建的第1至N子时序特征图， 其中， N为大于或等于2的正整 数， 不同的预设时间周期对应的时间周期 长度不同； 基于N个子时序特征图， 确定由N组离散 的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特 征图； 第一确定模块， 用于利用注意力机制， 基于所述 时序特征图， 确定由不同时序信 息对应 的所述第二脑电波信号的权重信息构建的时序权重特征图， 所述时序权重特征图用于表征 时序特征图中各 特征向量对应的权 重； 第二确定模块， 用于基于所述第 二脑电波信号、 所述 时序权重特征图以及 分类模型， 确 定所述第一脑电波信号对应的情绪分类标签， 其中， 所述分类模型为基于第二样本对 象的 脑电波信号训练得到的机器学习模型。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7任一项所述的基于脑电波信号的情绪分类方法。权　利　要　求　书 2/3 页 3 CN 115422983 A 3