3. CÁC MÔ HÌNH NHậN DạNG CủA MDK
3.2.Mô hình nhận dạng biểu hiện đôi mắ t
Hình 4-7. Mô hình nhận dạng biểu hiện đôi mắt a. Cơ sở lý thuyết
Hiện tượng nhắm mở mắt, nháy mắt tác động đến các kênh không giống nhau, biểu hiện rõ nhất là trên các kênh AF3, AF4 (ở trán) và F7, F8 (ở thái dương). Thực nghiệm cho thấy chỉ cần phân tích tín hiệu trên 4 kênh này, ta có thể nhận dạng một cách hiệu quả các biểu hiện cơ bản này của mắt:
- Khi nhắm mắt (blink), tín hiệu tại các kênh AF3, AF4 dao động mạnh. Các kênh này biến đổi đồng thời nên có phụ thuộc biến thiên lớn.
- Khi nháy mắt trái (left wink), biên độ dao động của các kênh bên trái AF3, F7 tăng lên đáng kể. Quan hệ phụ thuộc biến thiên giữa AF3, AF4 nhỏ, trong khi phụ thuộc bên trái với AF3, F7 là lớn.
- Tương tự như vậy với trường hợp nháy mắt phải (right wink). Khi đó, các kênh AF4, F8 sẽ có biên độ dao động và phụ thuộc biến thiên lớn.
b. Mô hình
Mô hình này được mô tả qua các bước như sau:
- Dữ liệu EEG được đưa ra bộ lọc thông cao và thông thấp để loại bỏ các tín hiệu nhiễu môi trường.
- Sau đó, dữ liệu được đưa qua thuật toán ICAs để phân tách thành các tín hiệu độc lập.
- Từng đoạn dữ liệu đo được epoch được đưa vào hàm Feature extraction, trích rút ra tập features với 15 đặc tính.
- Trong quá trình training, ta sẽ lưu tập các features đo được và trạng thái tương ứng, tạo thành tập dữ liệu mẫu (Samples)
Sau khi có được tập dữ liệu mẫu đủ lớn, ta tiến hành áp dụng thuật toán EM
để tối ưu hóa tập các tham số Weights, Means, Variances (WMV) cho mô hình GMM (xem ở phần sau)
- Sau khi training, khi nhận dạng dữ liệu:
o Đem dữ liệu đã biến đổi đó vào mô hình trộn GMM, với các tham số
WMV, tương ứng với 4 class đã cho.
o Từ xác suất thu được, đưa ra xác suất hậu nghiệm posteriors cho 4 class.
o Sử dụng features để tinh chỉnh (Refine) lại posteriors (phát hiện các trường hợp có xác suất blink hay wink cao, nhưng bản chất do hiện tượng khác gây ra -> chỉnh lại posteriors để k0 nhận dạng nhầm)
o Đưa posteriors đã xử lý vào phần Classification. Phần này sẽ chọn class có xác suất hậu nghiệm đủ cao để nhận dạng trạng thái.
o Ở bước Post-process, tinh chỉnh 1 lần nữa dựa trên timeout của trạng thái blink, wink, trước khi đưa ra kết luận cuối cùng
c. Các feature và ý nghĩa
o R0 = height (AF3_AF4) : Biên độ dao động của tín hiệu tổng AF3_AF4
o R1 = : gradient_AF3_AF4.
o R2 = = corr (X’F7,X’F8)
Hiệp phương sai của X’F7,X’F8. Nó phản ánh sự phụ thuộc biến thiên của F7 và F8.
o R3 =corr (X’AF3,X’AF4) : Hiệp phương sai của X’AF3 và X’AF4.
o R4 =corr (X’AF3,X’F7) : Hiệp phương sai của X’AF3 và X’F7.
o R5 =corr (X’AF4,X’F8) : Hiệp phương sai của X’AF4 và X’F8.
o R6 = height (F7) : Biên độ dao động của tín hiệu F7
o R7 = height (F8) : Biên độ dao động của tín hiệu F8
o R8 = height (F7)/height (F8): Tỉ lệ biên độ dao động F7 & F8 (adsbygoogle = window.adsbygoogle || []).push({});
o R9 = height (AF3) : Biên độ dao động của tín hiệu AF3
o R10 = height (AF4) : Biên độ dao động của tín hiệu AF4
o R11 = height (AF3)/height (AF4): Tỉ lệ biên độ dao động AF3 & AF4
o R12 = leftHeight = |height (F7)| + |height (AF3)| : Tổng biên độ dao động bên trái
o R13 = rightHeight = |height (F8)| + |height (AF4)| : Tổng biên độ dao động bên phải
o R14 = leftRightRatio = leftHeight/rightHeight: Tỷ lệ độ lớn của biên độ tín hiệu bên trái và bên phải.