基于智能迷宫的大脑训练评价系统及其评价方法

摘要

本发明提供了一种迷宫水平评估系统,包括迷宫,脑电波测试装置,脑电波分析模块,水平评价模块,控制模块,用于拍摄迷宫的摄像仪,以及用于现场显示和记录迷宫行走实况的显示与记录系统。通过脑电波分析模块分析出比赛者在比赛时的行走顺畅以及不顺畅，出现比赛焦虑，比赛兴奋，以及焦虑克服后等相应四类脑电波特征值，通过熵权法计算得到得分，实现对比赛者迷宫水平的机器评价。而摄像仪拍摄到的迷宫行走实况共测评人员根据经验判断，几何及其评价得到最终的综合评价。本发明还提供一种基于上述评估系统的迷宫水平评价方法以及利用优秀测试者的脑电波特征通过深度学习提高微微鼠迷宫能力。本发明利用熵权法重组机器评价，获得最优机器评价，结合人工评价，能够客观准确科学地分析比赛者迷宫水平。

说明书

技术领域

本发明涉及一种游戏比赛能力的评价系统及其方法，尤其涉及到迷宫水平评价系统及其评价方法，属于智能学习评价领域。

背景技术

微微鼠作为竞赛用行走机器，在迷宫行走比赛中特别考验设计者的芯片以及通讯和算法设计的能力。现有技术通过改良微微鼠的部件功能，来改善其在迷宫型走时的抗干扰(CN102841618A)，动态水平(CN103605363A)，转弯运动(CN103472831A)、冲刺时间(CN103529846A)、运动精确性(CN206039293U)。迷宫行走传统上没有人工行走的国际性比赛，而偏向于游戏以及智力测试方向，并且水平评价单一依靠时间长短。利用脑电波控制设备进行游戏，来控制游戏画面对象(CN201949631U)，或识别游戏中的情感(CN110866537A)，成为游戏控制的一个非接触控制技术。

综上，现有技术并未关注到两个方面的开发前景，第一，没有注意到实现微微鼠的迷宫能力通过学习，尤其是通过优秀人工玩家的行走技巧学习以提高；第二，现有技术对于一方面优秀选手的评价方法单一，另一方面也不能通过合理的模型得到优秀者技巧的模型，从而优化微微鼠行走的人工智能能力。专利CN107468260A使用单一的分类模型识别动物心里状态，显然不适合人的迷宫比赛时的状态，CN107538492A只提供了利用脑电波的方法控制了机器人的运动，并不涉及比赛水平的评价。

而比赛是综合性智力和心理的综合能力测试，比赛不仅需要时间、还需要通过比赛时行走路线是否顺畅、比赛时的焦虑、兴奋、以及克服焦虑能力，反应选择的综合素质。因此需要实时检测这些影响比赛的因素。而单一通过机器评价往往由于算法不精确也容易对水平评估不够客观。因此需要一种能够实时检测比赛选手行走状态以及心理状态的设备，从而能够通过合理的算法得到机器评价方法。

此外，人的经验评价也是不可缺少的一个环节，人的评价能够根据比赛的经验而给予专家级别的判断。现有技术并未综合考虑机器评价与人工评价的综合。

发明内容

基于上述现有技术的不足，本发明提供一种能够综合合理的机器算法和基于智能迷宫的大脑训练评价系统。解决了现有技术使用单一的时间长短评价，以及忽略了及其评价与人工评价的综合考量的技术问题。根据本发明的一种迷宫水平评价系统，其包括：迷宫,脑电波测试装置,脑电波分析模块,水平评价模块,用于拍摄迷宫的摄像仪,以及用于现场显示和记录迷宫行走实况的显示与记录系统，以及控制模块。所述控制模块分别与脑电波测试装置,脑电波分析模块,水平评价模块,摄像仪,显示与记录系统电连接，用于控制这些装置与模块，控制模块还具备输入设备，用于输入包括专家评价的得分。

当测试者进行比赛时，脑电波测试装置不断检测测试者的脑电波信号，通过脑电波分析模块对信号进行去噪以及特征信号值的提取，从而根据比赛是行走路线中在某一点的滞留时间来看端是否属于行走顺畅，规定在迷宫行走过程中在某一位置点滞留超过3秒属于行走不顺畅，而在一定时间内(比如5-15秒)内出现多次(2次以上)行走不顺畅是则根据脑电波特征信号值降低变化值平均值作为焦虑特征信号，判断是否处于焦虑状态，并且在出现2次以上焦虑特征信号后检测是否恢正常特征信号值，来判定是否已经克服了焦虑。而将比正常特征信号值高的升高变化值平均值作为兴奋特征信号

其中，所述脑电波特征信号值降低(或升高)变化值平均值是指在n次焦虑(或兴奋)特征信号值与正常特征信号值得差值(以正值定义)之和的算术平均值，差值越大则相应会增大所获得分的绝对值。从而将行走顺畅p1(为正值)、行走不顺畅p2(为负值)、焦虑p3(为负值)、克服焦虑p4(为正值)、比赛兴奋p5(为正值)、比赛时间得分p6的作为六个评价指标，每隔2-5秒对五个脑电波特征信号采样一次，获取到的五类脑电波特征信号值，以及比赛结束时获得比赛时间得分。最后将所有采样值以及比赛时间得分(每一次获得的采样，其对应有相同的比赛时间得分指标，也即比赛时间得分是不变的)，通过水平评价模块进行熵权法处理得到得分F'，获得机器评价结果。其中所述熵权法包括指标归一化处理、熵值计算、信息熵冗余度、指标权重、以及计算得分。并将世界最快纪录时间定义为比赛时间得分1，根据比赛时间超出世界最快纪录时间的百分比来w相应计算比赛时间得分f＝1/(1+w)。当至少一名选手用时平或超过世界最快纪录时间，则即人工评价其中最快者为最优秀，而无需参与机器评价。

当比赛结束，显示与记录系统将摄像仪拍摄的实况的分别有多位现场观看比赛专家通过显示与记录系统中的显示屏观看，从而得到多个人工评价得分。当得分有异议，还能通过比赛录像回看重新评价。专家通过控制模块的输入设备将各自的最终评价得分F1，F2...Fn(n为不为零的自然数)输入，经由水平评价模块计算得到综合评价得分。所述综合评价得分F＝aF'+bF1+cF2+...+xFn，其中a，b，c,...,x为正实数权重，a不小于0.5，且a+b+c+...+x＝1；a，b，c，d...x根据裁判的等级水平给到相应的权重，等级越高权重越大。

本发明提供一种基于智能迷宫的大脑训练评价系统的评价方法，其特征在于，包括如下步骤：

S1控制模块控制打开脑电波测试装置,脑电波分析模块,水平评价模块,摄像仪,显示与记录系统，使处于工作状态；

S2将测试者头部与电波测试装置中传感贴片连接，并进行测试，每隔2-5秒对五个脑电波特征信号采样一次；此时水平评价模块开始计时，脑电波分析模块接受、降噪处理脑电波特征信号，将处理后的脑电波特征信号传递给水平评价模块；与此同时，摄像仪开始拍摄迷宫录像，裁判通过显示与记录系统中的显示屏观看比赛；

S3.将测得的行走顺畅正值p1、行走不顺畅负值p2为、焦虑负值p3、克服焦虑正值p4、比赛兴奋正值p5、比赛时间得分正值p6的作为六个评价指标，每隔3秒对五个脑电波特征信号采样一次，获取到的五类脑电波特征信号值；根据比赛时间超出世界最快纪录时间的百分比来w相应计算比赛时间得分f＝1/(1+w)；

S4.比赛结束时，水平评价模块进行熵权法处理得到得分F'，获得机器评价结果，其中每个指标的得分为所有采样得分的算术平均值，F'为六个指标的得分的算术平均值；裁判通过显示与记录系统的输入设备输入人工评价得分F1，F2...Fn，其中n为不为零的自然数，并由水平评价模块计算综合评价得分F＝aF'+bF1+cF2+...+xFn，其中a，b，c,...,x为正实数权重，0.5≤a＜0.65，且a+b+c+...+x＝1；a，b，c，d...x根据裁判的等级水平给到相应的权重，等级越高权重越大，规定只设置一名特级裁判给0.2权重，一名一级裁判给0.15权重，其他裁判中的每一位给剩余的权重的按照人头的平均数z；设一共y名其他裁判，则z＝(0.65-a)/y；

其中，根据比赛时间超出世界最快纪录时间的百分比来w相应计算比赛时间得分f＝1/(1+w)。当至少一名选手用时平或超过世界最快纪录时间，则即人工评价其中最快者为最优秀。

本发明还提供了一种能够优化微微鼠迷宫能力的方法，其特征在于，通过世界排名前一百优秀者的六个指标值来进行多种不同迷宫的深度学习，而在行走中岔路位置点选择最高得分的路径进行，从而不断积累迷宫行走的技巧，优化微微鼠的迷宫行走能力。其中所述深度学习包括卷积神经网络、自编码、稀疏编码，以及深度置信网络中的至少一种。

附图说明

图1.本发明基于智能迷宫的大脑训练评价系统组成示意图。

其中，1.赛台、2.迷宫、脑电波测试装置3,脑电波分析模块4,水平评价模块5,用于拍摄迷宫的摄像仪6,用于现场显示和记录迷宫行走实况的显示与记录系统7，以及控制模块8。

具体实施方式

以下结合附图1对基于智能迷宫的大脑训练评价系统及其评价方法进行说明。

实施例1

如图1是基于智能迷宫的大脑训练评价系统，设置于赛台1上，包括迷宫2、脑电波测试装置3,脑电波分析模块4,水平评价模块5,用于拍摄迷宫的摄像仪6,用于现场显示和记录迷宫行走实况的显示与记录系统7，以及控制模块8。所述控制模块8分别与脑电波测试装置3,脑电波分析模块4,水平评价模块5,摄像仪6,显示与记录系统7电连接，用于控制这些装置与模块，控制模块8还具备输入设备(图未示)，用于输入包括专家评价的得分。

实施例2

本实施例基于实施例1的基于智能迷宫的大脑训练评价系统的评价方法，其特征在于，包括如下步骤：

S1控制模块8控制打开脑电波测试装置3,脑电波分析模块4,水平评价模块5,摄像仪6,显示与记录系统7，使处于工作状态；

S2将测试者头部与电波测试装置3中传感贴片连接，并进行测试，每隔2-5秒对五个脑电波特征信号采样一次；此时水平评价模块5开始计时，脑电波分析模块4接受、降噪处理脑电波特征信号，将处理后的脑电波特征信号传递给水平评价模块5；与此同时，摄像仪6开始拍摄迷宫2录像，裁判通过显示与记录系统7中的显示屏观看比赛；

S3.将测得的行走顺畅正值p1、行走不顺畅负值p2为、焦虑负值p3、克服焦虑正值p4、比赛兴奋正值p5、比赛时间得分正值p6的作为六个评价指标，每隔3秒对五个脑电波特征信号采样一次，获取到的五类脑电波特征信号值；根据比赛时间超出世界最快纪录时间的百分比来w相应计算比赛时间得分f＝1/(1+w)；

S4.比赛结束时，获得比赛时间得分，将所有采样值以及比赛时间得分在水平评价模块5中进行熵权法处理得到得分F'，获得机器评价结果，其中每个指标的得分为所有采样得分的算术平均值，F'为六个指标的得分的算术平均值；裁判通过显示与记录系统7的输入设备输入人工评价得分F1，F2...Fn，其中n为不为零的自然数，并由水平评价模块5计算综合评价得分F＝aF'+bF1+cF2+dF3，其中a＝0.6；设置一名特级裁判相应的b＝0.2，一名一级裁判相应的c＝0.15，其他裁判两名，每一位给剩余的权重为0.025；其中对于每一次获得的采样，其对应有相同的比赛时间得分指标，也即比赛时间得分是不变的。

对于熵权法计算方法如下：

(1)假设有m个待评价采样样本，n项评价指标，形成原始指标数据矩阵：，其中x

(2)对各指标进行标准化处理如下：

p1、p4、p5、p6采用正向指标:

(3)计算权重

计算第j个指标中，第i个采样值(已标准化)的权重

(4)计算第j个指标熵：

因为0≤ej≤1，于是

(5)权重计算：

(6)计算得到第i个

实施例3

本实施例提供了一种能够优化微微鼠迷宫能力的方法，其特征在于，通过世界排名前一百优秀者的六个指标值来进行多种不同迷宫的深度学习，而在行走中岔路位置点选择最高得分的路径进行，从而不断积累迷宫行走的技巧，优化微微鼠的迷宫行走能力。其中所述深度学习包括卷积神经网络、自编码、稀疏编码，以及深度置信网络中的至少一种。