一种基于EOG的智能头盔控制系统以及方法

一种基于eog的智能头盔控制系统以及方法
技术领域
1.本发明属于智能头盔控制技术领域，具体涉及一种基于eog的智能头盔控制系统以及方法。


背景技术：

2.建筑工地、消防等应急场所是一个安全事故多发的场所。现有的安全帽不能保障工人的工作的效率和安全性，为此，我们提出一种基于eog的智能头盔控制方法。


技术实现要素：

3.本发明的目的在于提供一种基于eog的智能头盔控制系统以及方法，以解决上述背景技术中提出的问题。
4.为实现上述目的，本发明提供如下技术方案：一种基于eog的智能头盔控制系统，包括系统软件模块和外界交互装置；所述系统软件模块包括eog采集电路、通信模块、控制器与api接口、eog交互模块、头戴式显示器；
5.eog采集电路用于采集多项生理信号；
6.控制器与api接口用于装置多模块的协同控制和管理，实现与eog交互模块的接口软件和底层终端系统控制的指令转换；
7.通信模块用于与外界交互装置进行通信；
8.头戴式显示器实现包括且不限于平面显示、虚拟现实、增强现实、混合现实、全息投影或裸眼3d；
9.外界交互装置与所述智能头盔采用有线或无线通信方式进行信息交互。
10.优选的，所述eog采集电路包括电极、高性能差分放大电路、滤波电路、信号放大与处理电路、右腿驱动电路。
11.优选的，在实现与eog交互模块的接口软件和底层终端系统控制的指令转换中，包括模块的控制，具体包括设备管理和数据传输；设备管理包括设备连接状态检测、设备接入、设备删除；数据传输是用于控制器发送控制指令到eog交互模块，其接收到指令后控制设备动作。
12.优选的，控制器完成具体控制分为三个线程：设备连接状态检测线程：首先发送连接请求，如果eog交互模块收到请求，先判断是否已经处于连接状态，如果是，则返回ack，否则返回eog交互模块接入请求，并在请求数据包中包含设备信息；如果控制器没有接收到ack信号，则表示eog交互模块已经失去连接，控制器将执行eog交互模块断开操作；
13.控制器的eog交互模块数据接收线程：当eog交互模块发送了接入请求，控制器将执行eog交互模块接入的相关操作；当eog交互模块完成了任务，需要断开连接，则可以向控制器发送断开请求，控制器接收到请求后，执行断开操作；
14.控制器的控制指令线程：当接收到控制指令后，根据控制指令中的设备类型，控制器将指令发送至相应的eog交互模块；eog交互模块只有一个线程用于接收控制器的请求，
当eog交互模块接收到状态检测请求时，如果eog交互模块还未连接控制器，则发送连接请求，否则发送ack；当eog交互模块接收到控制指令，则执行相应动作。
15.优选的，在智能头盔内饰调节带的正前端通过卡固组件安装有多个电极，通过内饰调节带可以调节长度，以保证前额电极与人体额头保持完整接触，保障电极传输生物电信号的质量。
16.一种基于eog的智能头盔方法，步骤1：使用者佩戴智能头盔，在eog采集电路正常工作情况下打开eog交互模块4，进入交互界面；
17.步骤2：在交互界面中，将对交互程序进行参数设置：如果需要现实有多个用户图形界面（gui），则将当前显示的gui的id号回传给客户端程序，为客户端的信号识别提供参考；在将gui界面生成不同功能的选项供用户选择。在当前gui中，每个选项对应一个虚拟物体或者按钮，使用者通过选择需要的虚拟物体或者按钮来完成相应的操作；将生成有n个虚拟物体或者按钮，分别设置有唯一的数字标记，所述n个虚拟物体或者按钮分别与采集端的n个信号一一对应；
18.步骤3：在系统运行开始之前，先进行训练操作，使用者注视训练界面的闪烁目标，在目标闪烁的同时进行抬眉毛的操作，训练时候的信号识别处理过程如下：
19.步骤31：所述采集电路同步对人体生物电信号进行采集，将采集进行带通滤波，将数据截取一段时间长度的采样点，对所述的采样点进行下采样；
20.步骤32：将该下采样数据构成一个特征向量，计算机存储每次目标闪烁时对应的特征向量；
21.步骤33：以特征向量被平均化后得到的结果作为阈值，建立该使用者的训练模型，为之后的识别操作提供个人模型；
22.步骤4：之后，使用者正式执行gui操作：在当前gui中，每个虚拟物体或者按钮以一定顺序或者随机闪烁一次，在使用者需要选择的虚拟物体或者按钮闪烁的同时，通过抬眉毛的方式选择需要选取的目标。
23.步骤5：步骤4中通过抬眉毛选择需要选取的目标，具体目标识别过程如下：
24.步骤51： eog采集电路从与所述数字标记对应的信号采集端采取一段信号作为特征向量，n个按键均闪烁完成后，生成有n个特征向量，该n个特征向量形成一组特征向量集di；
25.步骤52：将特征向量集di种的特征向量通过预处理后，将特征向量通过分类器进行判断；设该方法中l表示当前分类叠加求平均值的次数，也即重复的round数，l
min
和l
max
分别表示识别一个按钮所需要的最小和最大round数；θ0是控制输出的阈值；则具体判断方法为：
26.（1）系统初始化，设置 l= 0；
27.（2）接收新一轮的round数据, 更新l = l + 1；
28.（3）在当前round中，对应于gui中的目标数量，分别进行特征提取得到n个特征向量；
29.（4）对每个具体的按钮，都对前l个累积的round特征向量执行叠加后求平均操作；
30.（5）采用分类器分别计算各按钮的回归分值，记为rsi；rsi={rs1，rs2，
……
rsn}；然后，将这些rsi分值进行归一化，这时得到的n个目标回归分值均在区间[0, 1]；
[0031]
（6）如果 l ≥ l
min
且l《 l
max
，则执行第（7）步，否则跳转到第（9）步；
[0032]
（7）计算rs
max
和rs
sec
的差值：δθ =rs
max-rs
sec
；式中，rs
max
代表rsi中9个回归分值中的最大值，而s
sec
代表次大值；
[0033]
（8）如果 δθ》 θ
0 则执行第（9）步，反之跳转至第（2）步；
[0034]
（9）如果 l≥ l
max ，立即跳转至第（10）步；
[0035]
（10）结束当前trial的识别，输出识别结果（最大分值rs
max
所对应的按钮）； 同时跳转到步骤1，准备下一个trial的识别；
[0036]
步骤53：基于52步骤的方法判断特征向量集di中是否存在目标特征向量，如果存在目标特征向量，则进入下一步骤，否则进入步骤4；
[0037]
步骤54：按照步骤5循环至少一轮，得到特征向量集di+1，判断特征向量集di和特征向量集di+1中的特征向量是否相同，如果均相同，按照特征向量集di和特征向量集di+1的所述目标特征向量确定选择键，进入下一步骤，否则，回到步骤4；
[0038]
步骤6：判断该选择目前是否为结束输出，如果是，则进入步骤10，否则，进入下一步骤；
[0039]
步骤7：判断输入是否完成，如果输入完成，进入步骤53，否则，进入到下一步骤；
[0040]
步骤8：进入到下一个工作行，按照步骤4至步骤5重复；
[0041]
步骤9：则按照输入的选择项执行；
[0042]
步骤10：结束选择。
[0043]
优选的，所述步骤52中采取的分类方法为：
[0044]
设目标y与特征向量x线性相关，z为高斯噪声，则线性分类器的形式如下：
[0045][0046]
设为训练集，由特征向量和相应的二元态构成。由（4-1）我们可以得到权重的似然函数：
[0047][0048]
式中，y表示包含所有训练目标的向量，表示训练特征向量的水平叠加得到的矩阵，表示噪声的逆方差，l表示训练样本的数目。
[0049]
在blda中，通过扩展的维数，即的最后一项是偏差项，将噪声z合并到权重中，假设权重的先验分布为：
[0050][0051]
其中被扩展到n+1维，最后一个项是偏差项，是一个n+1维的对角矩阵，其形式为：
[0052]
[0053]
根据似然函数和先验分布，后验分布可以用贝叶斯规则计算为：
[0054][0055]
由于先验分布和似然分布均为高斯分布，后验分布也具有高斯形式，其分布可由w和协方差（c）的平均值（m）确定，如下所示：
[0056][0057][0058]
最终，对于一个新样本输入，我们得到它的预测回归值的分布函数：
[0059][0060]
其中表示正态分布。预测分布函数的均值和方差为：
[0061][0062][0063]
在其中均值为我们需要的回归目标值。
[0064]
与现有技术相比，本发明的有益效果是：本发明提出的基于eog的智能头盔控制系统以及方法，可以在工作人员双手保持工作状态的情况下，用eog类型的生物电方式操控交互界面，实现非手动的人机交互；本发明是智能化工地的核心组成部分之一，应用前景广泛。
附图说明
[0065]
图1为本发明的系统示意图；
[0066]
图2为本发明的eog采集电路原理图。
具体实施方式
[0067]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0068]
请参阅图1至图2，本发明提供一种技术方案：一种基于eog的智能头盔控制系统，包括系统软件模块和外界交互装置；所述系统软件模块包括eog采集电路、通信模块、控制器与api接口、eog交互模块、头戴式显示器；
[0069]
eog采集电路用于采集多项生理信号；
[0070]
控制器与api接口用于装置多模块的协同控制和管理，实现与eog交互模块的接口软件和底层终端系统控制的指令转换；
[0071]
通信模块用于与外界交互装置进行通信；
[0072]
头戴式显示器实现包括且不限于平面显示、虚拟现实、增强现实、混合现实、全息
投影或裸眼3d；
[0073]
外界交互装置与所述智能头盔采用有线或无线通信方式进行信息交互。
[0074]
本实施例中，优选的，所述eog采集电路包括电极、高性能差分放大电路、滤波电路、信号放大与处理电路、右腿驱动电路。
[0075]
本实施例中，优选的，在实现与eog交互模块的接口软件和底层终端系统控制的指令转换中，包括模块的控制，具体包括设备管理和数据传输；设备管理包括设备连接状态检测、设备接入、设备删除；数据传输是用于控制器发送控制指令到eog交互模块，其接收到指令后控制设备动作。
[0076]
本实施例中，优选的，控制器完成具体控制分为三个线程：设备连接状态检测线程：首先发送连接请求，如果eog交互模块收到请求，先判断是否已经处于连接状态，如果是，则返回ack，否则返回eog交互模块接入请求，并在请求数据包中包含设备信息；如果控制器没有接收到ack信号，则表示eog交互模块已经失去连接，控制器将执行eog交互模块断开操作；
[0077]
控制器的eog交互模块数据接收线程：当eog交互模块发送了接入请求，控制器将执行eog交互模块接入的相关操作；当eog交互模块完成了任务，需要断开连接，则可以向控制器发送断开请求，控制器接收到请求后，执行断开操作；
[0078]
控制器的控制指令线程：当接收到控制指令后，根据控制指令中的设备类型，控制器将指令发送至相应的eog交互模块；eog交互模块只有一个线程用于接收控制器的请求，当eog交互模块接收到状态检测请求时，如果eog交互模块还未连接控制器，则发送连接请求，否则发送ack；当eog交互模块接收到控制指令，则执行相应动作。
[0079]
本实施例中，优选的，在智能头盔内饰调节带的正前端通过卡固组件安装有多个电极，通过内饰调节带可以调节长度，以保证前额电极与人体额头保持完整接触，保障电极传输生物电信号的质量。
[0080]
一种基于eog的智能头盔方法，步骤1：使用者佩戴智能头盔，在eog采集电路正常工作情况下打开eog交互模块4，进入交互界面；
[0081]
步骤2：在交互界面中，将对交互程序进行参数设置：如果需要现实有多个用户图形界面（gui），则将当前显示的gui的id号回传给客户端程序，为客户端的信号识别提供参考；在将gui界面生成不同功能的选项供用户选择；在当前gui中，每个选项对应一个虚拟物体或者按钮，使用者通过选择需要的虚拟物体或者按钮来完成相应的操作；将生成有n个虚拟物体或者按钮，分别设置有唯一的数字标记，所述n个虚拟物体或者按钮分别与采集端的n个信号一一对应；
[0082]
步骤3：在系统运行开始之前，先进行训练操作，使用者注视训练界面的闪烁目标，在目标闪烁的同时进行抬眉毛的操作，训练时候的信号识别处理过程如下：
[0083]
步骤31：所述采集电路同步对人体生物电信号进行采集，将采集进行带通滤波，将数据截取一段时间长度的采样点，对所述的采样点进行下采样；
[0084]
步骤32：将该下采样数据构成一个特征向量，计算机存储每次目标闪烁时对应的特征向量；
[0085]
步骤33：以特征向量被平均化后得到的结果作为阈值，建立该使用者的训练模型，为之后的识别操作提供个人模型；
[0086]
步骤4：之后，使用者正式执行gui操作：在当前gui中，每个虚拟物体或者按钮以一定顺序或者随机闪烁一次，在使用者需要选择的虚拟物体或者按钮闪烁的同时，通过抬眉毛的方式选择需要选取的目标。
[0087]
步骤5：步骤4中通过抬眉毛选择需要选取的目标，具体目标识别过程如下：
[0088]
步骤51： eog采集电路从与所述数字标记对应的信号采集端采取一段信号作为特征向量，n个按键均闪烁完成后，生成有n个特征向量，该n个特征向量形成一组特征向量集di；
[0089]
步骤52：将特征向量集di种的特征向量通过预处理后，将特征向量通过分类器进行判断；设该方法中l表示当前分类叠加求平均值的次数，也即重复的round数，l
min
和l
max
分别表示识别一个按钮所需要的最小和最大round数；θ0是控制输出的阈值；则具体判断方法为：
[0090]
（1）系统初始化，设置 l= 0；
[0091]
（2）接收新一轮的round数据, 更新l = l + 1；
[0092]
（3）在当前round中，对应于gui中的目标数量，分别进行特征提取得到n个特征向量；
[0093]
（4）对每个具体的按钮，都对前l个累积的round特征向量执行叠加后求平均操作；
[0094]
（5）采用分类器分别计算各按钮的回归分值，记为rsi；rsi={rs1，rs2，
……
rsn}；然后，将这些rsi分值进行归一化，这时得到的n个目标回归分值均在区间[0, 1]；
[0095]
（6）如果 l ≥ l
min
且l《 l
max
，则执行第（7）步，否则跳转到第（9）步；
[0096]
（7）计算rs
max
和rs
sec
的差值：δθ =rs
max-rs
sec
；式中，rs
max
代表rsi中9个回归分值中的最大值，而s
sec
代表次大值；
[0097]
（8）如果 δθ》 θ
0 则执行第（9）步，反之跳转至第（2）步；
[0098]
（9）如果 l≥ l
max ，立即跳转至第（10）步；
[0099]
（10）结束当前trial的识别，输出识别结果（最大分值rs
max
所对应的按钮）； 同时跳转到步骤1，准备下一个trial的识别；
[0100]
步骤53：基于52步骤的方法判断特征向量集di中是否存在目标特征向量，如果存在目标特征向量，则进入下一步骤，否则进入步骤4；
[0101]
步骤54：按照步骤5循环至少一轮，得到特征向量集di+1，判断特征向量集di和特征向量集di+1中的特征向量是否相同，如果均相同，按照特征向量集di和特征向量集di+1的所述目标特征向量确定选择键，进入下一步骤，否则，回到步骤4；
[0102]
步骤6：判断该选择目前是否为结束输出，如果是，则进入步骤10，否则，进入下一步骤；
[0103]
步骤7：判断输入是否完成，如果输入完成，进入步骤53，否则，进入到下一步骤；
[0104]
步骤8：进入到下一个工作行，按照步骤4至步骤5重复；
[0105]
步骤9：则按照输入的选择项执行；
[0106]
步骤10：结束选择。
[0107]
本实施例中，优选的，所述步骤52中采取的分类方法为：
[0108]
设目标y与特征向量x线性相关，z为高斯噪声，则线性分类器的形式如下：
[0109]
[0110]
设为训练集，由特征向量和相应的二元态构成。由（4-1）我们可以得到权重的似然函数：
[0111][0112]
式中，y表示包含所有训练目标的向量，表示训练特征向量的水平叠加得到的矩阵，表示噪声的逆方差，l表示训练样本的数目。
[0113]
在blda中，通过扩展的维数，即的最后一项是偏差项，将噪声z合并到权重中，假设权重的先验分布为：
[0114][0115]
其中被扩展到n+1维，最后一个项是偏差项，是一个n+1维的对角矩阵，其形式为：
[0116][0117]
根据似然函数和先验分布，后验分布可以用贝叶斯规则计算为：
[0118][0119]
由于先验分布和似然分布均为高斯分布，后验分布也具有高斯形式，其分布可由w和协方差（c）的平均值（m）确定，如下所示：
[0120][0121][0122]
最终，对于一个新样本输入，我们得到它的预测回归值的分布函数：
[0123][0124]
其中表示正态分布。预测分布函数的均值和方差为：
[0125][0126][0127]
在其中均值为我们需要的回归目标值。
[0128]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种基于eog的智能头盔控制系统，其特征在于：包括系统软件模块和外界交互装置；所述系统软件模块包括eog采集电路、通信模块、控制器与api接口、eog交互模块、头戴式显示器；eog采集电路用于采集多项生理信号；控制器与api接口用于装置多模块的协同控制和管理，实现与eog交互模块的接口软件和底层终端系统控制的指令转换；通信模块用于与外界交互装置进行通信；头戴式显示器实现包括且不限于平面显示、虚拟现实、增强现实、混合现实、全息投影或裸眼3d；外界交互装置与智能头盔采用有线或无线通信方式进行信息交互。2.根据权利要求1所述的一种基于eog的智能头盔控制系统，其特征在于：所述eog采集电路包括电极、高性能差分放大电路、滤波电路、信号放大与处理电路、右腿驱动电路。3.根据权利要求1所述的一种基于eog的智能头盔控制系统，其特征在于：在实现与eog交互模块的接口软件和底层终端系统控制的指令转换中，包括模块的控制，具体包括设备管理和数据传输；设备管理包括设备连接状态检测、设备接入、设备删除；数据传输是用于控制器发送控制指令到eog交互模块，其接收到指令后控制设备动作。4.根据权利要求3所述的一种基于eog的智能头盔控制系统，其特征在于：控制器完成具体控制分为三个线程：设备连接状态检测线程：首先发送连接请求，如果eog交互模块收到请求，先判断是否已经处于连接状态，如果是，则返回ack，否则返回eog交互模块接入请求，并在请求数据包中包含设备信息；如果控制器没有接收到ack信号，则表示eog交互模块已经失去连接，控制器将执行eog交互模块断开操作；控制器的eog交互模块数据接收线程：当eog交互模块发送了接入请求，控制器将执行eog交互模块接入的相关操作；当eog交互模块完成了任务，需要断开连接，则可以向控制器发送断开请求，控制器接收到请求后，执行断开操作；控制器的控制指令线程：当接收到控制指令后，根据控制指令中的设备类型，控制器将指令发送至相应的eog交互模块；eog交互模块只有一个线程用于接收控制器的请求，当eog交互模块接收到状态检测请求时，如果eog交互模块还未连接控制器，则发送连接请求，否则发送ack；当eog交互模块接收到控制指令，则执行相应动作。5.根据权利要求2所述的一种基于eog的智能头盔控制系统，其特征在于：在智能头盔内饰调节带的正前端通过卡固组件安装有多个电极，通过内饰调节带可以调节长度，以保证前额电极与人体额头保持完整接触，保障电极传输生物电信号的质量。6.一种如权利要求1-5记载的基于eog的智能头盔方法，其特征在于：步骤1：使用者佩戴智能头盔，在eog采集电路正常工作情况下打开eog交互模块4，进入交互界面；步骤2：在交互界面中，将对交互程序进行参数设置：如果需要现实有多个用户图形界面（gui），则将当前显示的gui的id号回传给客户端程序，为客户端的信号识别提供参考；在将gui界面生成不同功能的选项供用户选择；在当前gui中，每个选项对应一个虚拟物体或者按钮，使用者通过选择需要的虚拟物体或者按钮来完成相应的操作；将生成有n个虚拟物体或者按钮，分别设置有唯一的数字标记，所述n个虚拟物体或者按钮分别与采集端的n个信号一一对应；
步骤3：在系统运行开始之前，先进行训练操作，使用者注视训练界面的闪烁目标，在目标闪烁的同时进行抬眉毛的操作，训练时候的信号识别处理过程如下：步骤31：所述采集电路同步对人体生物电信号进行采集，将采集进行带通滤波，将数据截取一段时间长度的采样点，对所述的采样点进行下采样；步骤32：将该下采样数据构成一个特征向量，计算机存储每次目标闪烁时对应的特征向量；步骤33：以特征向量被平均化后得到的结果作为阈值，建立该使用者的训练模型，为之后的识别操作提供个人模型；步骤4：之后，使用者正式执行gui操作：在当前gui中，每个虚拟物体或者按钮以一定顺序或者随机闪烁一次，在使用者需要选择的虚拟物体或者按钮闪烁的同时，通过抬眉毛的方式选择需要选取的目标；步骤5：步骤4中通过抬眉毛选择需要选取的目标，具体目标识别过程如下：步骤51： eog采集电路从与所述数字标记对应的信号采集端采取一段信号作为特征向量，n个按键均闪烁完成后，生成有n个特征向量，该n个特征向量形成一组特征向量集di；步骤52：将特征向量集di种的特征向量通过预处理后，将特征向量通过分类器进行判断；设该方法中l表示当前分类叠加求平均值的次数，也即重复的round数，l
min
和l
max
分别表示识别一个按钮所需要的最小和最大round数；θ0是控制输出的阈值；则具体判断方法为：（1）系统初始化，设置 l= 0；（2）接收新一轮的round数据, 更新l = l + 1；（3）在当前round中，对应于gui中的目标数量，分别进行特征提取得到n个特征向量；（4）对每个具体的按钮，都对前l个累积的round特征向量执行叠加后求平均操作；（5）采用分类器分别计算各按钮的回归分值，记为rs
i
；rs
i
={rs1，rs2，
……
rs
n
}；然后，将这些rs
i
分值进行归一化，这时得到的n个目标回归分值均在区间[0, 1]；（6）如果 l ≥ l
min
且l< l
max
，则执行第（7）步，否则跳转到第（9）步；（7）计算rs
max
和rs
sec
的差值：δθ =rs
max-rs
sec
；式中，rs
max
代表rs
i
中9个回归分值中的最大值，而s
sec
代表次大值；（8）如果 δθ> θ
0 则执行第（9）步，反之跳转至第（2）步；（9）如果 l≥ l
max ，立即跳转至第（10）步；（10）结束当前trial的识别，输出识别结果（最大分值rs
max
所对应的按钮）； 同时跳转到步骤1，准备下一个trial的识别；步骤53：基于52步骤的方法判断特征向量集di中是否存在目标特征向量，如果存在目标特征向量，则进入下一步骤，否则进入步骤4；步骤54：按照步骤5循环至少一轮，得到特征向量集di+1，判断特征向量集di和特征向量集di+1中的特征向量是否相同，如果均相同，按照特征向量集di和特征向量集di+1的所述目标特征向量确定选择键，进入下一步骤，否则，回到步骤4；步骤6：判断该选择目前是否为结束输出，如果是，则进入步骤10，否则，进入下一步骤；步骤7：判断输入是否完成，如果输入完成，进入步骤53，否则，进入到下一步骤；步骤8：进入到下一个工作行，按照步骤4至步骤5重复；步骤9：则按照输入的选择项执行；
步骤10：结束选择。7.根据权利要求6所述的一种基于eog的智能头盔控制方法，其特征在于：所述步骤52中采取的分类方法为：设目标y与特征向量x线性相关，z为高斯噪声，则线性分类器的形式如下：设为训练集，由特征向量和相应的二元态构成；由（4-1）我们可以得到权重的似然函数：式中，y表示包含所有训练目标的向量，表示训练特征向量的水平叠加得到的矩阵，表示噪声的逆方差，l表示训练样本的数目；在blda中，通过扩展的维数，即的最后一项是偏差项，将噪声z合并到权重中，假设权重的先验分布为：其中被扩展到n+1维，最后一个项是偏差项，是一个n+1维的对角矩阵，其形式为：根据似然函数和先验分布，后验分布可以用贝叶斯规则计算为：由于先验分布和似然分布均为高斯分布，后验分布也具有高斯形式，其分布可由w和协方差（c）的平均值（m）确定，如下所示：方差（c）的平均值（m）确定，如下所示：最终，对于一个新样本输入，我们得到它的预测回归值的分布函数：其中表示正态分布；预测分布函数的均值和方差为：为：
在其中均值为我们需要的回归目标值。

技术总结
本发明公开了一种基于EOG的智能头盔控制系统以及方法，包括系统软件模块和外界交互装置；所述系统软件模块包括EOG采集电路、通信模块、控制器与API接口、EOG交互模块、头戴式显示器；EOG采集电路用于采集多项生理信号；控制器与API接口用于装置多模块的协同控制和管理，实现与EOG交互模块的接口软件和底层终端系统控制的指令转换；通信模块用于与外界交互装置进行通信；本发明提出的基于EOG的智能头盔控制系统以及方法，可以在工作人员双手保持工作状态的情况下，用EOG类型的生物电方式操控交互界面，实现非手动的人机交互；本发明是智能化工地的核心组成部分之一，应用前景广泛。应用前景广泛。


技术研发人员：李远清 詹皇源
受保护的技术使用者：华南理工大学
技术研发日：2023.04.03
技术公布日：2023/7/22