EEG-Motion-Classifier

EEG Facial Action Classifier | 1D-CNN for blink/frown/rest detection from raw signals

本项目是一个基于一维卷积神经网络（1D-CNN）的脑电信号动作分类器，支持识别三种基本动作：blink（眨眼）、frown（皱眉） 和 rest（静息状态）。项目完成了对脑电信号的预处理、特征提取与动作分类。

---

一、数据说明

项目使用商用EEG采集设备采集原始脑电信号，原始数据存放于 raw_data/ 文件夹中每个 .txt 文件对应一个动作样本。原始数据以时间戳 (Time) 和原始值 (Raw) 两列保存，数据采样率约为 500Hz | Raw 值为 ADC 采样值，范围 -2048 ~ 2048 。

---

二、数据预处理

• 脚本路径：GetDataSet.py
• 每 128 个连续数据点作为一个时间窗口，约覆盖 0.25 秒（窗口长度与采样率有关）
• 根据文件名提取标签，转换为结构化数据
• 最终构建为标准训练集并保存为 data/eeg_data.csv，用于模型训练

---

三、模型结构

模型定义在 Model.py，为一个轻量级的一维卷积神经网络，结构如下：

• 输入层：接收 [batch_size, 1, 128] 的 EEG 序列片段
• 卷积层 + ReLU 激活 + 最大池化：提取时间序列中的局部特征
• 展平层（Flatten）：将卷积提取的特征展平成一维向量
• 全连接层：进一步融合特征并输出分类向量
• 输出层（Softmax）：生成三类动作的概率分布，用于预测

---

四、训练设置

• 脚本路径：TrainData.py
• 数据划分比例：训练集 : 测试集 = 4 : 1
• 数据加载：使用 DataLoader 加载 Tensor 格式数据
• 损失函数：交叉熵损失 (CrossEntropyLoss)
• 优化器：Adam
• 可视化：训练过程中记录并保存损失变化曲线图
• 输出目录：训练完成的模型文件与可视化图像保存在 models_dict/ 文件夹中

---

五、后续开发

最新修改发布在 dev/ 文件夹中，若使用稳定版本请忽略此文件夹。

---

如需运行、测试或修改此项目，请根据自身设备与数据采集方式调整对应参数和路径。

许可协议

本项目基于 MIT License 开源。你可以自由地使用、修改、分发本项目代码，但请保留原始版权声明。