(12)發(fā)明專利(22)申請(qǐng)日2020.10.29(43)申請(qǐng)公布日2021.05.04地址韓國首爾專利權(quán)人起亞自動(dòng)車株式會(huì)社公司11314專利代理師程偉甄雁翔4/80(2018.01)3/04(2023.01)JP2018149897A,2018.09.27審查員卞燕如權(quán)利要求書2頁說明書15頁附圖8頁本發(fā)明涉及利用腦電波信號(hào)生成影像的裝置和方法。利用腦電波信號(hào)生成影像的方法包從多個(gè)通道采集的腦電波信號(hào)生成服務(wù)點(diǎn)的第一影像；確定生成的第21.一種利用腦電波信號(hào)生成影像的裝置，所述裝置包括：傳感器，其配置為在預(yù)定時(shí)間內(nèi)從多個(gè)通道采集移動(dòng)工具中至少一個(gè)乘客的腦電波信控制器，其配置為利用人工智能模型由從多個(gè)通道采集的腦電波信號(hào)生成服務(wù)點(diǎn)的第一影像，確定生成的第一影像是否與預(yù)設(shè)的第二影像相似，并且基于確定結(jié)果來控制移動(dòng)其中，所述第一影像是指示服務(wù)點(diǎn)的服務(wù)點(diǎn)影像或商品影像中的至少一個(gè)，所述服務(wù)點(diǎn)影像是指示服務(wù)點(diǎn)的影像，所述商品影像是指示服務(wù)點(diǎn)提供的商品的影像，所述服務(wù)點(diǎn)是距移動(dòng)工具預(yù)定范圍內(nèi)的免下車DT服務(wù)提供場(chǎng)所。2.根據(jù)權(quán)利要求1所述的利用腦電波信號(hào)生成影像的裝置，其中，從多個(gè)通道采集的腦電波信號(hào)是在時(shí)域、頻域或空間域的至少一個(gè)中的腦電波信號(hào)。3.根據(jù)權(quán)利要求1所述的利用腦電波信號(hào)生成影像的裝置，其中，所述人工智能模型是4.根據(jù)權(quán)利要求1所述的利用腦電波信號(hào)生成影像的裝置，其中，所述商品是服務(wù)點(diǎn)提供的物品、服務(wù)點(diǎn)提供的服務(wù)或關(guān)于服務(wù)點(diǎn)的信息中的至少一個(gè)。5.根據(jù)權(quán)利要求1所述的利用腦電波信號(hào)生成影像的裝置，其中，當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)，所述控制器將第二影像確定為預(yù)設(shè)服務(wù)點(diǎn)影像，并且確定第一影像是否與第二影像相似。6.根據(jù)權(quán)利要求5所述的利用腦電波信號(hào)生成影像的裝置，其中，當(dāng)確定出第一影像與第二影像相似時(shí)，控制器執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，或者通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路7.根據(jù)權(quán)利要求1所述的利用腦電波信號(hào)生成影像的裝置，其中，當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，所述控制器將第二影像確定為預(yù)設(shè)商品影像，并且確定第一影像是否與第二影像相8.根據(jù)權(quán)利要求7所述的利用腦電波信號(hào)生成影像的裝置，其中，當(dāng)確定出第一影像與第二影像相似時(shí)，所述控制器執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至提供商品的服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線，或者發(fā)送商品的訂購信號(hào)。9.根據(jù)權(quán)利要求1所述的利用腦電波信號(hào)生成影像的裝置，其中，所述控制器進(jìn)一步配置為判斷所述確定結(jié)果是否滿足乘客期望。10.一種利用腦電波信號(hào)生成影像的方法，所述方法包括：在預(yù)定時(shí)間內(nèi)通過傳感器從多個(gè)通道采集移動(dòng)工具中至少一個(gè)乘客的腦電波信號(hào)；通過控制器利用人工智能模型由從多個(gè)通道采集的腦電波信號(hào)生成服務(wù)點(diǎn)的第一影確定生成的第一影像是否與預(yù)設(shè)的第二影像相似；基于確定結(jié)果來控制移動(dòng)工具；其中，所述第一影像是指示服務(wù)點(diǎn)的服務(wù)點(diǎn)影像或商品影像中的至少一個(gè)，所述服務(wù)點(diǎn)影像是指示服務(wù)點(diǎn)的影像，所述商品影像是指示服務(wù)點(diǎn)提供的商品的影像，所述服務(wù)點(diǎn)3是距移動(dòng)工具預(yù)定范圍內(nèi)的免下車DT服務(wù)提供場(chǎng)所。11.根據(jù)權(quán)利要求10所述的利用腦電波信號(hào)生成影像的方法，其中，從多個(gè)通道采集的腦電波信號(hào)是在時(shí)域、頻域或空間域的至少一個(gè)中的腦電波信號(hào)。12.根據(jù)權(quán)利要求10所述的利用腦電波信號(hào)生成影像的方法，其中，所述人工智能模型13.根據(jù)權(quán)利要求10所述的利用腦電波信號(hào)生成影像的方法，其中，所述商品是服務(wù)點(diǎn)提供的物品、服務(wù)點(diǎn)提供的服務(wù)或關(guān)于服務(wù)點(diǎn)的信息中的至少一個(gè)。14.根據(jù)權(quán)利要求10所述的利用腦電波信號(hào)生成影像的方法，其中，當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)，確定第一影像是否與第二影像相似包括：將第二影像確定為預(yù)設(shè)服務(wù)點(diǎn)影像，并且確定第一影像是否與第二影像相似。15.根據(jù)權(quán)利要求14所述的利用腦電波信號(hào)生成影像的方法，其中，當(dāng)確定出第一影像與第二影像相似時(shí)，所述移動(dòng)工具的控制包括執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，或者通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線。16.根據(jù)權(quán)利要求10所述的利用腦電波信號(hào)生成影像的方法，其中，當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，確定第一影像是否與第二影像相似包括：將第二影像確定為預(yù)設(shè)商品影像，并且確定第一影像是否與商品影像相似。17.根據(jù)權(quán)利要求16所述的利用腦電波信號(hào)生成影像的方法，其中，當(dāng)確定出第一影像與第二影像相似時(shí)，所述移動(dòng)工具的控制包括執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至提供商品的服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線，或者發(fā)送商品的訂購信號(hào)。18.根據(jù)權(quán)利要求10所述的利用腦電波信號(hào)生成影像的方法，進(jìn)一步包括判斷所述確定結(jié)果是否滿足乘客期望。4利用腦電波信號(hào)生成影像的裝置和方法[0001]相關(guān)申請(qǐng)的交叉引用[0002]本申請(qǐng)要求于2019年10月29日提交的韓國專利申請(qǐng)No.10-2019-0135835的優(yōu)先權(quán)和權(quán)益，其通過引用整體并入本文。技術(shù)領(lǐng)域[0003]本發(fā)明涉及一種移動(dòng)工具控制方法和裝置。更具體地，本發(fā)明涉及利用腦電波信號(hào)生成影像的裝置和方法)。背景技術(shù)[0004]本部分中的陳述僅提供與本發(fā)明有關(guān)的背景信息，并且不會(huì)構(gòu)成現(xiàn)有技術(shù)。[0005]作為一種運(yùn)輸工具，車輛(或移動(dòng)工具)是現(xiàn)代世界中用于生活的工具。此外，對(duì)于某些人來說，車輛本身可以被認(rèn)為是具有特殊意義的物品。[0006]隨著技術(shù)的進(jìn)步，車輛提供的功能也逐漸發(fā)展。例如，近年來，車輛不僅將乘客運(yùn)送到目的地，還滿足了乘客更快、更安全地到達(dá)目的地的需求。此外，為了滿足乘客的審美品味和舒適度，向車輛系統(tǒng)中添加了新設(shè)備。另外，還開發(fā)了諸如方向盤、變速器速設(shè)備的現(xiàn)有設(shè)備，以便可以為用戶提供更多功能。[0007]同時(shí)，大腦-計(jì)算機(jī)接口或大腦-機(jī)器接口是通過利用腦電波信號(hào)來根據(jù)人的意向控制計(jì)算機(jī)或機(jī)器的領(lǐng)域。事件相關(guān)電位(Event-RelatedPotential,ERP)與認(rèn)知功能密[0008]另外，近年來，越來越多地傾向于研究使用人工智能模型識(shí)別和分類影像中包括的對(duì)象并生成新影像。發(fā)明內(nèi)容[0009]本發(fā)明的目的是提供一種基于乘客的腦電波信號(hào)生成影像的裝置和方法。[0010]本發(fā)明的另一個(gè)目的是提供一種使用人工智能模型從乘客的腦電波信號(hào)生成影像并基于生成的影像控制移動(dòng)工具的裝置和方法。[0011]本發(fā)明的技術(shù)目的不限于上述技術(shù)目的，并且本領(lǐng)域技術(shù)人員通過以下描述將清楚地理解未提及的其他技術(shù)目的。[0012]根據(jù)本發(fā)明，一種利用腦電波信號(hào)生成影像的裝置包括傳感器和控制器，所述傳感器配置為在預(yù)定時(shí)間內(nèi)從多個(gè)通道采集移動(dòng)工具中至少一個(gè)乘客的腦電波信號(hào)，所述控制器配置為使用人工智能模型由從多個(gè)通道采集的腦電波信號(hào)生成服務(wù)點(diǎn)的第一影像，確定生成的第一影像是否與預(yù)設(shè)的第二影像相似，并且基于確定結(jié)果控制移動(dòng)工具。[0013]從多個(gè)通道采集的腦電波信號(hào)可以是在時(shí)域、頻域或空間域的至少一個(gè)中的腦電波信號(hào)。[0014]人工智能模型可以是生成式對(duì)抗網(wǎng)絡(luò)(GAN)模型。[0015]第一影像可以是指示服務(wù)點(diǎn)的服務(wù)點(diǎn)影像或商品影像中的至少一個(gè)，服務(wù)點(diǎn)影像5可以是指示服務(wù)點(diǎn)的影像，商品影像可以是指示服務(wù)點(diǎn)提供的商品的影像。[0016]第二影像可以是服務(wù)點(diǎn)影像和商品影像之一。[0017]服務(wù)點(diǎn)可以是距移動(dòng)工具預(yù)定范圍內(nèi)的免下車(DT)服務(wù)提供場(chǎng)所。[0018]當(dāng)基于短程通信網(wǎng)絡(luò)在移動(dòng)工具和服務(wù)點(diǎn)之間執(zhí)行發(fā)送和接收時(shí)，預(yù)定范圍可以是通過短程通信網(wǎng)絡(luò)能夠進(jìn)行發(fā)送和接收的范圍。[0019]商品可以是服務(wù)點(diǎn)提供的物品、服務(wù)點(diǎn)提供的服務(wù)或關(guān)于服務(wù)點(diǎn)的信息中的至少一個(gè)。[0020]當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)，控制器可以將第二影像確定為預(yù)設(shè)服務(wù)點(diǎn)影像，并且確定第一影像是否與第二影像相似。[0021]在確定第一影像與第二影像相似時(shí)，控制器可以執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，或者通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線。[0022]當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，控制器可以將第二影像確定為預(yù)設(shè)商品影像，并且確定第一影像是否與第二影像相似。[0023]在確定出第一影像與第二影像相似時(shí)，控制器可以執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至提供商品的服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線，或者發(fā)送商品的訂購信號(hào)。[0024]控制器還可以配置為判斷所述確定結(jié)果是否滿足乘客期望。[0025]根據(jù)本發(fā)明，一種利用腦電波信號(hào)生成影像的方法包括：在預(yù)定時(shí)間內(nèi)從多個(gè)通道采集移動(dòng)工具中至少一個(gè)乘客的腦電波信號(hào)；使用人工智能模型由從多個(gè)通道采集的腦電波信號(hào)生成服務(wù)點(diǎn)的第一影像；確定生成的第一影像是否與預(yù)設(shè)的第二影像相似；并且基于確定結(jié)果控制移動(dòng)工具。[0026]從多個(gè)通道采集的腦電波信號(hào)可以是在時(shí)域、頻域或空間域的至少一個(gè)中的腦電波信號(hào)。[0027]人工智能模型可以是生成式對(duì)抗網(wǎng)絡(luò)(GAN)模型。[0028]第一影像可以是指示服務(wù)點(diǎn)的服務(wù)點(diǎn)影像或商品影像中的至少一個(gè)，服務(wù)點(diǎn)影像可以是指示服務(wù)點(diǎn)的影像，商品影像可以是指示服務(wù)點(diǎn)提供的商品的影像。[0029]第二影像可以是服務(wù)點(diǎn)影像和商品影像之一。[0030]服務(wù)點(diǎn)可以是距移動(dòng)工具預(yù)定范圍內(nèi)的免下車(DT)服務(wù)提供場(chǎng)所。[0031]當(dāng)基于短程通信網(wǎng)絡(luò)在移動(dòng)工具和服務(wù)點(diǎn)之間執(zhí)行發(fā)送和接收時(shí)，預(yù)定范圍可以是通過短程通信網(wǎng)絡(luò)能夠進(jìn)行發(fā)送和接收的范圍。[0032]商品可以是服務(wù)點(diǎn)提供的物品、服務(wù)點(diǎn)提供的服務(wù)或關(guān)于服務(wù)點(diǎn)的信息中的至少一個(gè)。[0033]當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)，確定第一影像是否與第二影像相似可以包括：將第二影像確定為預(yù)設(shè)服務(wù)點(diǎn)影像，并且確定第一影像是否與第二影像相似。[0034]在確定出第一影像與第二影像相似時(shí)，移動(dòng)工具的控制可以包括執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，或者通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線。[0035]當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，確定第一影像是否與第二影像相似可以包括：將第二6影像確定為預(yù)設(shè)商品影像，并且確定第一影像是否與商品影像相似。[0036]在確定出第一影像與第二影像相似時(shí)，移動(dòng)工具的控制可以包括執(zhí)行以下至少一項(xiàng)：將移動(dòng)工具的行駛路線改變至提供商品的服務(wù)點(diǎn)，向乘客提供待改變的行駛路線的通知，通過向乘客提供待改變的行駛路線來引導(dǎo)乘客選擇路線，或者發(fā)送商品的訂購信號(hào)。[0037]該方法還可以包括判斷所述確定結(jié)果是否滿足乘客期望。[0038]上面關(guān)于本發(fā)明簡(jiǎn)要概述的特征僅僅是本發(fā)明下文詳細(xì)描述的示例性方面，并且不限制本發(fā)明的范圍。附圖說明[0039]為了可以更好地理解本發(fā)明，現(xiàn)在將參考附圖舉例描述本發(fā)明的各個(gè)形式，在附圖中：[0040]為了可以更好地理解本發(fā)明，現(xiàn)在將參考附圖借助于示例來描述本發(fā)明的各個(gè)實(shí)施方案，在附圖中：[0041]圖1是示出本發(fā)明的一個(gè)實(shí)施方案的ERN的通常波形的圖；[0042]圖2是示出根據(jù)本發(fā)明的一個(gè)實(shí)施方案的ERN和Pe的通常波形的圖；[0043]圖3是示出根據(jù)本發(fā)明的另一個(gè)實(shí)施方案的Pe的偏轉(zhuǎn)特性的圖；[0044]圖4A和圖4B是分別示出本發(fā)明的一個(gè)實(shí)施方案的ERP和Pe的測(cè)量區(qū)域的圖；[0045]圖5是示出根據(jù)本發(fā)明的一個(gè)實(shí)施方案的ERN和CRN的通常波形的圖；[0046]圖6是示出根據(jù)本發(fā)明的一個(gè)實(shí)施方案的與大腦皮層區(qū)域相對(duì)應(yīng)的EEG測(cè)量通道的圖；[0047]圖7是示出根據(jù)本發(fā)明的實(shí)施方案的基于乘客的腦電波信號(hào)生成影像的裝置的配置的框圖。[0048]圖8是示出根據(jù)本發(fā)明的實(shí)施方案的移動(dòng)工具和服務(wù)點(diǎn)之間相互執(zhí)行發(fā)送和接收的范圍的圖。[0049]圖9是示出根據(jù)本發(fā)明的實(shí)施方案的操作影像生成裝置的方法的流程圖。[0050]圖10是示出根據(jù)本發(fā)明的實(shí)施方案的操作影像生成裝置的方法的流程圖。具體實(shí)施方式[0051]以下描述在本質(zhì)上僅僅是示例性的，并非旨在限制本發(fā)明、應(yīng)用或用途。應(yīng)當(dāng)理解，在整個(gè)附圖中，相應(yīng)的附圖標(biāo)記表示相同或相應(yīng)的部件和特征。[0052]將詳細(xì)描述本發(fā)明的示例性實(shí)施方案，以使得本領(lǐng)域的普通技術(shù)人員結(jié)合附圖容易地理解和實(shí)現(xiàn)由本發(fā)明提供的裝置和方法。然而，本發(fā)明可以采用各種實(shí)施方案來實(shí)施，并且本發(fā)明的范圍不應(yīng)被解釋為限于示例性實(shí)施方案。[0053]在描述本發(fā)明的實(shí)施方案時(shí)，當(dāng)公知的功能或構(gòu)造可能使本發(fā)明的精神模糊時(shí)，將不對(duì)其進(jìn)行詳細(xì)描述。元件時(shí)，其可以直接連接至或聯(lián)接至或組合至另一元件，或者在它們之間可以存在中間元特征、數(shù)值、步驟、操作、元件、組件和/或其組合，但不排除存在或添加一個(gè)或多個(gè)其他特7件不受這些術(shù)語的限制。這些術(shù)語僅用于區(qū)分一個(gè)元件與另一個(gè)元件，而不用于顯示元件之間的順序或優(yōu)先級(jí)。例如，下面討論的第一元件可以被稱為第二元件，而不偏離本發(fā)明的[0056]在本發(fā)明中，稱呼不同的元件是為了清楚描述各種元件的特征，并不意味著這些元件在物理上彼此分開。即，可以將多個(gè)不同的元件組合成單個(gè)硬件單元或單個(gè)軟件單元，相反，一個(gè)元件可以通過多個(gè)硬件單元或軟件單元實(shí)現(xiàn)。因此，盡管沒有具體說明，但是各種元件的集成形式或一個(gè)元件的分離形式可以落入本發(fā)明的范圍內(nèi)。而且，諸如“單元”或“模塊”之類的術(shù)語應(yīng)被理解為處理至少一個(gè)功能或操作并且可以實(shí)施為硬件方式(例如，處理器)、軟件方式或硬件方式與軟件方式的組合的單元。[0057]在本發(fā)明中，以各種形式描述的所有組成元件不應(yīng)被解釋為必要元件，一些組成元件可能是任選元件。因此，由組成元件的各個(gè)子集以某種形式配置的實(shí)施方案也可以落入本發(fā)明的范圍內(nèi)。另外，通過將一個(gè)或多個(gè)元件添加到各種元件而配置的實(shí)施方案也落入本發(fā)明的范圍內(nèi)。[0058]作為構(gòu)成大腦的神經(jīng)元的腦電活動(dòng)，腦電波信號(hào)(或腦信號(hào)、腦電波)表示直接和間接反映人的有意識(shí)狀態(tài)或無意識(shí)狀態(tài)的生物信號(hào)。可以在人體頭皮的每個(gè)區(qū)域中測(cè)量腦電波信號(hào)，其波長的頻率主要為30Hz或更低，并且電位差為幾微伏。根據(jù)大腦活動(dòng)和狀態(tài)，可能會(huì)出現(xiàn)各種波形。利用根據(jù)人的意向的腦電波信號(hào)進(jìn)行接口控制的研究正在進(jìn)行之Graphy,MEG)、功能性磁共振成像(functionalMagneticResonanceImaging,fMRI)或近紅外光譜(functionalNear-InfraredSpectroscopy,fNIRS)來獲得腦電波信號(hào)，所述EEG利用由大腦活動(dòng)引起的電信號(hào)，所述MEG利用與電信號(hào)一起發(fā)生的磁信號(hào)，所述fMRI或fNIRS利用血液中氧飽和度的變化。盡管fMRI和fNIRS是測(cè)量大腦活動(dòng)的有用技術(shù)，但通常移植性和時(shí)間分辨率而被廣泛使用。[0059]腦電波信號(hào)會(huì)根據(jù)大腦活動(dòng)而在空間上隨時(shí)間變化。由于腦電波信號(hào)通常難以分析并且其波形不易于視覺分析，因此提出了各種處理方法。[0060]例如，根據(jù)振蕩的次數(shù)(頻率),可以基于頻帶對(duì)腦電波信號(hào)進(jìn)行劃分(功率譜劃分)。該劃分將測(cè)量出的腦電波信號(hào)視為每個(gè)特定頻率下簡(jiǎn)單信號(hào)的線性總和，將該信號(hào)分解為每個(gè)頻率分量并指示相應(yīng)的幅度。通過利用通常用于噪聲消除的預(yù)處理、傅立葉變換至頻域以及帶通濾波器(BPF),可以獲得每個(gè)頻率的腦電波信號(hào)。3.5Hz或以下、幅度為20μV～200μV的腦電波，其主要出現(xiàn)在正常深度睡眠或新生兒中。此電波，其主要出現(xiàn)在情緒穩(wěn)定狀態(tài)或睡眠中。[0062]另外，θ波主要在頂葉皮層和枕葉皮層中產(chǎn)生，并且可能在回憶或冥想的平靜專注α波通常在休息時(shí)在枕葉皮層中產(chǎn)生，并且在睡眠中可能減少。通常，β波是頻率為13Hz~8波主要在額葉皮層中產(chǎn)生，與覺醒狀態(tài)或大腦活動(dòng)集中、病理現(xiàn)象和藥物作用相關(guān)。β波可波、頻率為15Hz～18Hz的中β波和頻率為20Hz以上的高波。由于β似乎更強(qiáng)，因此被稱為壓力波。γ波是通常具有30Hz～50Hz頻率的腦電波，主要出現(xiàn)在強(qiáng)烈興奮的狀態(tài)或高級(jí)認(rèn)知信息處理過程中。此外，Y波可能會(huì)在意識(shí)覺醒的狀態(tài)下和REM睡眠波與工作記憶相關(guān)，而α波與關(guān)注或壓抑相關(guān)。因此，每個(gè)頻帶的腦電波信號(hào)的性質(zhì)選擇性地顯示特定的認(rèn)知功能。另外，在頭部表面上的每個(gè)測(cè)量部位中，每個(gè)頻帶的腦電波信號(hào)可能會(huì)顯示出一些不同的外觀。大腦皮層可分為額葉皮層、頂葉皮層、顳葉皮層和枕葉皮層。這些部位可能具有一些不同的作用。例如，對(duì)應(yīng)于頭后部的枕葉皮層具有初級(jí)視覺皮層，因此可以主要處理視覺信息。位于頭頂部附近的頂葉皮層具有體感皮層，因此可以處理運(yùn)動(dòng)/感官信息。另外，額葉皮層可以處理與記憶和思維相關(guān)的信息，顳葉皮層可以處理與聽覺和嗅覺相關(guān)的信息。[0064]同時(shí)，對(duì)于另一個(gè)示例，可以通過利用事件相關(guān)電位(Event-RelatedPotential,ERP)來分析腦電波信號(hào)。ERP是與外界刺激或內(nèi)部心理過程相關(guān)的腦電變化。ERP是指在出現(xiàn)刺激后的一定時(shí)間內(nèi)由刺激引起的包括大腦的腦電活動(dòng)的信號(hào)，所述刺激包括特定信息[0065]為了分析ERP,需要一種將信號(hào)與噪聲分離的過程。可以主要使用均值法。特別地，通過對(duì)基于刺激開始時(shí)間測(cè)量的腦電波取均值，可以去除與刺激無關(guān)的腦電波，并且僅挑選出相關(guān)電位，即通常與刺激處理相關(guān)的大腦活動(dòng)。[0066]由于ERP具有較高的時(shí)間分辨率，因此其與認(rèn)知功能的研究密切相關(guān)。ERP是由外部刺激誘發(fā)或與內(nèi)部狀態(tài)相關(guān)的電現(xiàn)象。根據(jù)刺激的類型，ERP可以分為聽覺相關(guān)電位、視初始階段。例如，外源性ERP是腦干電位。另一方面，內(nèi)源性ERP由內(nèi)部認(rèn)知過程或心理過程聯(lián)性負(fù)變(ContingentNegativeVariation,CNV)等。[0067]ERP峰的名稱通常包括極性和潛伏期，每個(gè)信號(hào)的峰都有各自的定義和含義。例如，正電位為P,負(fù)電位為N,P300表示刺激開始后約300ms測(cè)得的正峰值。另外，根據(jù)出現(xiàn)順[0070]失匹配負(fù)波(MismatchNegativity,MMN)不僅可以由聚焦刺激產(chǎn)生，而且可以由非聚焦刺激產(chǎn)生。MMN可以用作在初始關(guān)注之前感官記憶(回聲記憶)是否運(yùn)行的指示符文將描述的P300出現(xiàn)在關(guān)注和做出判斷的過程中，作為關(guān)注之前大腦中發(fā)生的進(jìn)行分析。[0071]對(duì)于另一個(gè)示例，N200(或N2)主要是根據(jù)視覺刺激和聽覺刺激而產(chǎn)生的，并且與9以下描述的P300一起與短期記憶或長期記憶相關(guān)，短期記憶或長期記憶是關(guān)注之后的記憶[0072]對(duì)于另一個(gè)示例，P300(或P3)主要反映對(duì)刺激的關(guān)注、刺激認(rèn)知、記憶搜索和不確定感的減輕，并且與區(qū)分外界刺激的感性決定相關(guān)。由于P300的產(chǎn)生與認(rèn)知功能相關(guān)，因此無論出現(xiàn)的刺激類型如何，都會(huì)產(chǎn)生P300。例如，P300可以在聽覺刺激、視覺刺激和軀體刺激中產(chǎn)生。P300被廣泛應(yīng)用于大腦-計(jì)算機(jī)接口的研究。[0073]對(duì)于另一個(gè)示例，N400與語言處理相關(guān)，是在出現(xiàn)帶有語義錯(cuò)誤的句子或聽覺刺激時(shí)引起的。另外，N400與記憶過程相關(guān)，并且可以反映從長期記憶中檢索或搜索信息的過[0074]對(duì)于另一個(gè)示例，作為表示重建過程或恢復(fù)過程的指示符，P600與基于長期記憶中存儲(chǔ)的信息更準(zhǔn)確地處理刺激的過程相關(guān)。[0075]對(duì)于另一個(gè)示例，CNV指的是在后續(xù)階段的200ms～300ms甚至數(shù)秒鐘內(nèi)出現(xiàn)的電動(dòng)相關(guān)。[0076]對(duì)于另一個(gè)示例，ERN(錯(cuò)誤相關(guān)負(fù)波)或Ne(錯(cuò)誤負(fù)波)是由失誤或錯(cuò)誤產(chǎn)生的事件相關(guān)電位(ERP)。當(dāng)受試者在感覺運(yùn)動(dòng)任務(wù)或類似任務(wù)中犯錯(cuò)時(shí)，其可能會(huì)出現(xiàn)。更具體地，當(dāng)受試者識(shí)別出失誤或錯(cuò)誤時(shí)，產(chǎn)生ERN,并且其負(fù)峰主要在額葉區(qū)域和中央?yún)^(qū)域出現(xiàn)約50ms～150ms。特別地，其可能出現(xiàn)在可能發(fā)生與運(yùn)動(dòng)響應(yīng)相關(guān)的失誤的情況下，也可以用于指示消極自我判斷。[0078]圖1是示出根據(jù)本發(fā)明的一個(gè)實(shí)施方案的ERN的通常波形的圖。[0079]參考圖1,在橫軸上方描繪了負(fù)電位值，并且在橫軸下方描繪了正電位值。另外，可以確認(rèn)的是，在針對(duì)任意運(yùn)動(dòng)的響應(yīng)開始之后的預(yù)定時(shí)間范圍內(nèi)產(chǎn)生了具有負(fù)峰值的ERP。在此，響應(yīng)可以表示發(fā)生失誤或錯(cuò)誤的情況(錯(cuò)誤響應(yīng))。另外，預(yù)定時(shí)間范圍可以為約50ms~150ms?？商娲?，預(yù)定時(shí)間范圍可以為約0～100ms。此外，在正確響應(yīng)的情況下，產(chǎn)生的為監(jiān)控相關(guān)的多巴胺能系統(tǒng)的強(qiáng)化活動(dòng)。ERN包括額葉紋狀體環(huán)，其中包括喙?fàn)羁蹘^(qū)域。同時(shí)，多巴胺與通常形成特定行為并激勵(lì)人的大腦獎(jiǎng)勵(lì)系統(tǒng)相關(guān)，從而提供愉悅和充實(shí)的感覺。當(dāng)重復(fù)獲得適當(dāng)獎(jiǎng)勵(lì)的行為時(shí)，其被學(xué)習(xí)成一種習(xí)慣。另外，更多的多巴胺通過情感學(xué)習(xí)而釋放，并且由于多巴胺的釋放而嘗試了新的行為。因此，獎(jiǎng)勵(lì)驅(qū)動(dòng)的學(xué)習(xí)稱為強(qiáng)化學(xué)務(wù)、Flanker任務(wù)和Simon任務(wù))期間引起的錯(cuò)誤響應(yīng)開始后的0～100ms內(nèi)產(chǎn)生。[0082]另外，與以下描述的CRN一起，已知ERN反映了可以區(qū)分正確行為和不正確行為的通常行為監(jiān)控系統(tǒng)。[0083]另外，已知ERN在額葉皮層電極處達(dá)到最大幅度這一事實(shí)反映出腦內(nèi)生成器位于喙?fàn)羁蹘^(qū)域或背前扣帶皮層(dorsalanteriorcingulatecortex,dACC)區(qū)域。[0084]另外，ERN可能會(huì)根據(jù)負(fù)面情緒狀態(tài)而顯[0085]另外，即使在基于外部評(píng)價(jià)反饋處理(不同于內(nèi)部運(yùn)動(dòng)表達(dá))進(jìn)行行為監(jiān)控的情況下也可以報(bào)告ERN,并且可以將其劃分為以下描述的FRN。[0086]另外，ERN不僅可以在認(rèn)識(shí)到失誤或錯(cuò)誤時(shí)產(chǎn)生，還可以在認(rèn)識(shí)到失誤或錯(cuò)誤之前[0087]另外，ERN不僅可以作為對(duì)他/她自身的失誤或錯(cuò)誤的響應(yīng)而產(chǎn)生，還可以作為對(duì)他人的失誤或錯(cuò)誤的響應(yīng)而產(chǎn)生。[0088]另外，ERN不僅可以作為對(duì)失誤或錯(cuò)誤的響應(yīng)而產(chǎn)生，還可以作為對(duì)預(yù)定執(zhí)行任務(wù)或受試者的焦慮或壓力的響應(yīng)而產(chǎn)生。[0090]同時(shí)，對(duì)于另一個(gè)示例，作為在ERN之后產(chǎn)生的事件相關(guān)電位(ERP),P是具有正值的ERP,其主要在失誤或錯(cuò)誤之后約150ms～300ms內(nèi)在額葉皮層電極處產(chǎn)生。已知Pe是意識(shí)到失誤或錯(cuò)誤并給予更多關(guān)注的反應(yīng)。換句話說，Pe與錯(cuò)誤檢測(cè)之后有意識(shí)的錯(cuò)誤信息處理過程的指示符相關(guān)。ERN和Pe被稱為與錯(cuò)誤監(jiān)控相關(guān)的ERP。[0091]在下文中，將更詳細(xì)地描述Pe的主要特征。[0092]圖2是示出根據(jù)本發(fā)明的另一個(gè)實(shí)施方案的ERN和Pe的通常波形的圖。[0093]參考圖2,負(fù)電位值顯示在正電位值上方。另外，可以確認(rèn)的是，在針對(duì)任意運(yùn)動(dòng)的響應(yīng)開始之后的第一預(yù)定時(shí)間范圍內(nèi)產(chǎn)生了具有負(fù)峰值的ERP(即ERN)。在此，響應(yīng)可以表示發(fā)生失誤或錯(cuò)誤的情況(錯(cuò)誤響應(yīng))。另外，第一預(yù)定時(shí)間范圍可以為約50ms～150ms?？商娲兀谝活A(yù)定時(shí)間范圍可以為約0～200ms。[0094]另外，可以確認(rèn)的是，在ERN開始之后的第二預(yù)定時(shí)間范圍內(nèi)產(chǎn)生了具有正峰值的二預(yù)定時(shí)間范圍可以表示約200ms～400ms。[0095]圖3是示出本發(fā)明的一個(gè)實(shí)施方案的Pe的偏轉(zhuǎn)特性的圖。[0096]參考圖3,如同P3,Pe也具有寬偏轉(zhuǎn)特性，并且神經(jīng)叢生成器不僅包括后扣帶回皮層區(qū)域和島葉皮層區(qū)域，而且還包括更多的前扣帶回皮層區(qū)域。[0097]此外，Pe可以反映出對(duì)錯(cuò)誤的情感評(píng)價(jià)以及如同P300的對(duì)刺激的關(guān)注。另外，ERN表示正確響應(yīng)與錯(cuò)誤響應(yīng)之間的沖突，Pe被認(rèn)為是意識(shí)到失誤并進(jìn)行更多關(guān)注的響應(yīng)。換句話說，在檢測(cè)刺激的過程中會(huì)產(chǎn)生ERN,并且在處理刺激的過程中根據(jù)關(guān)注會(huì)產(chǎn)生Pe。當(dāng)ERN和/或Pe分別具有相對(duì)較大的值時(shí)，已知這些值與旨在失誤之后更緩慢且更準(zhǔn)確地進(jìn)行響應(yīng)的適應(yīng)性行為相關(guān)。[0098]圖4A和圖4B是示出根據(jù)本發(fā)明的一個(gè)實(shí)施方案的ERP和Pe的測(cè)量區(qū)域的圖。[0099]ERN和Pe被認(rèn)為是與錯(cuò)誤監(jiān)控相關(guān)的ERP。關(guān)于ERN和Pe的測(cè)量區(qū)域，通?？梢栽谥醒?yún)^(qū)域中測(cè)量最大負(fù)值和最大正值。但是，根據(jù)測(cè)量條件可能會(huì)有一些差異。例如，圖4A是測(cè)量ERN的主要區(qū)域，通?？梢栽谥芯€額葉或中央?yún)^(qū)域(即FCZ)中測(cè)量ERN的最大負(fù)值。另外，圖4B是測(cè)量Pe的主要區(qū)域，與ERN相比，通?？梢栽诤笾芯€區(qū)域中測(cè)量較大的Pe正值。[0100]此外，對(duì)于又一示例，F(xiàn)RN(反饋相關(guān)負(fù)波)是事件相關(guān)電位(ERP),其與基于外部評(píng)價(jià)反饋獲得的錯(cuò)誤檢測(cè)相關(guān)。ERN和/或Pe基于內(nèi)部監(jiān)控過程來檢測(cè)錯(cuò)誤。但是，在FRN的情11300ms內(nèi)在額葉皮層電極處具有負(fù)峰值，并且可以如同ERN在背前扣帶皮層(dACC)區(qū)域產(chǎn)正反饋更大的負(fù)值，并且對(duì)于不可預(yù)見的情況可以具有比可預(yù)測(cè)結(jié)果更大的值。[0103]對(duì)于另一個(gè)示例，CRN(正確相關(guān)負(fù)波)是由正確試驗(yàn)產(chǎn)生的ERP,并且是小于ERN的[0104]對(duì)于另一個(gè)示例，Pc(正確正波)是在CRN之后產(chǎn)生的事件相關(guān)電位。其是在正確響應(yīng)開始后約150ms～300ms內(nèi)產(chǎn)生的事件相關(guān)電位。CRN和Pc之間的關(guān)系可以類似于ERN和Pe之間的關(guān)系。[0105]此外，ERP可以分為刺激鎖定的ERP和響應(yīng)鎖定的ERP。刺激鎖定的ERP和響應(yīng)鎖定的ERP可以根據(jù)諸如誘發(fā)ERP的原因和響應(yīng)時(shí)間的標(biāo)準(zhǔn)進(jìn)行劃分。例如，從將詞語或圖片從[0106]此外，腦電波可以根據(jù)表現(xiàn)的動(dòng)機(jī)進(jìn)行劃分。腦電波可以分為由用戶意愿表現(xiàn)的自發(fā)性腦電波(自發(fā)性電位)以及根據(jù)外部刺激自然表現(xiàn)的、而與用戶意愿無關(guān)的誘發(fā)性腦電波(誘發(fā)性電位)。當(dāng)用戶他/她自身移動(dòng)或想象移動(dòng)時(shí)，會(huì)表現(xiàn)出自發(fā)性腦電波，而誘發(fā)性腦電波會(huì)通過例如視覺、聽覺、嗅覺和觸覺[0107]此外，可以根據(jù)國際10-20系統(tǒng)測(cè)量腦電波信號(hào)。國際10-20系統(tǒng)根據(jù)電極位置與大腦皮層區(qū)域之間的關(guān)系來確定腦電波信號(hào)的測(cè)量點(diǎn)。[0108]圖6是示出根據(jù)本發(fā)明的一個(gè)實(shí)施方案的與大腦皮層區(qū)域相對(duì)應(yīng)的EEG測(cè)量通道的圖。P8;枕葉皮層01、02、0Z)對(duì)應(yīng)于32個(gè)腦電波測(cè)量通道。對(duì)于每個(gè)通道，可以獲得數(shù)據(jù)并且可以通過利用數(shù)據(jù)對(duì)每個(gè)大腦皮層區(qū)域進(jìn)行分析。[0110]圖7是示出根據(jù)本發(fā)明的實(shí)施方案的基于乘客的腦電波信號(hào)生成影像的裝置的配置的框圖。[0111]免下車(DT)服務(wù)是指允許客戶在駕駛移動(dòng)工具無需停車的狀態(tài)下訂購、支付和取走某些物品的服務(wù)。由于不需要停車或排隊(duì)等候，DT服務(wù)作為給客戶的高效便捷服務(wù)獲得了公眾的注意。近年來，DT服務(wù)逐漸流行起來。例如，移動(dòng)工具的乘客可以在日常生活中在市區(qū)和高速公路上便捷容易地使用快餐店和咖啡店提供的DT服務(wù)。移動(dòng)工具可以包括車[0112]此外，在目前的DT服務(wù)中，乘客通常在到達(dá)提供DT服務(wù)的場(chǎng)所或位置(以下稱為點(diǎn))之后訂購所需商品。在本發(fā)明中，可以提供一種影像生成裝置和方法，所述影像生成裝置和方法使得能夠在到達(dá)DT點(diǎn)之前在移動(dòng)工具中選擇和訂購由DT點(diǎn)提供的商品(以下稱為DT商品)。[0114]另外，本發(fā)明的DT點(diǎn)不僅可以包括提供DT服務(wù)的場(chǎng)所，而且可以包括能夠向移動(dòng)工具提供DT商品并接收由移動(dòng)工具選擇和訂購的商品的信息而不提供DT服務(wù)的營業(yè)處。例如，本發(fā)明的DT點(diǎn)可以表示營業(yè)處，移動(dòng)工具中的顧客可以在該營業(yè)處選擇和訂購由DT點(diǎn)提供的商品，但是需要在單獨(dú)的場(chǎng)所停放/停止移動(dòng)工具以便取走訂購的商品。即，本發(fā)明的DT點(diǎn)可以包括駛?cè)胧綘I業(yè)處而無免下車通道。[0115]本發(fā)明的影像生成裝置可以使用人工智能模型從乘客的腦電波信號(hào)生成與DT點(diǎn)相關(guān)的影像。例如，可以生成與DT點(diǎn)提供的菜單或物品相關(guān)的影像。另外，本發(fā)明的影像生成裝置可以基于所生成的影像來選擇預(yù)定列表中包括的影像。例如，可以選擇DT點(diǎn)提供的物品列表或預(yù)定菜單中包括的影像。另外，本發(fā)明的影像生成裝置可以基于選擇的影像來控制移動(dòng)工具或?qū)⒊丝瓦x擇的預(yù)定物品信息提供給DT點(diǎn)。[0116]此外，人工智能技術(shù)使計(jì)算機(jī)能夠像人一樣學(xué)習(xí)數(shù)據(jù)并自主做出決定。人工神經(jīng)網(wǎng)絡(luò)是由生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的數(shù)學(xué)模型，并且可以表示通過允許由突觸連接形成網(wǎng)絡(luò)的人工神經(jīng)元學(xué)習(xí)而改變突觸連接強(qiáng)度從而具有解決問題能力的整個(gè)模型。人工神經(jīng)網(wǎng)絡(luò)可以包括輸入層、隱藏層和輸出層。每一層中包括的神經(jīng)元通過權(quán)重連接，并且人工神經(jīng)網(wǎng)絡(luò)可以具有能夠通過權(quán)重和神經(jīng)元值的線性組合以及非線性激活函數(shù)來逼近復(fù)雜函數(shù)的形式。人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)目的是找到一個(gè)權(quán)重，使得輸出層處計(jì)算的輸出與實(shí)際輸出值之間的差異最小化。[0117]深度神經(jīng)網(wǎng)絡(luò)是由輸入層和輸出層之間的多個(gè)隱藏層組成的人工神經(jīng)網(wǎng)絡(luò)，可以通過多個(gè)隱藏層對(duì)復(fù)雜的非線性關(guān)系進(jìn)行建模。能夠通過增加層數(shù)進(jìn)行高級(jí)抽象的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)稱為深度學(xué)習(xí)。在深度學(xué)習(xí)中，由于當(dāng)輸入新數(shù)據(jù)時(shí)學(xué)習(xí)大量數(shù)據(jù)并且基于學(xué)習(xí)結(jié)果選擇概率最高的答案，因此可以根據(jù)影像適應(yīng)性地執(zhí)行操作，并且在學(xué)習(xí)模型的過程中基于數(shù)據(jù)可以自動(dòng)發(fā)現(xiàn)特征因子。[0118]本發(fā)明的基于深度學(xué)習(xí)的模型可以包括但不限于完全卷積神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)了深度學(xué)習(xí)之外，還可以包括機(jī)器學(xué)習(xí)方法，或者可以包括作為深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的組合的混合模型。例如，可以通過應(yīng)用基于深度學(xué)習(xí)的模型來提取影像的特征，并且通過應(yīng)用基于機(jī)器學(xué)習(xí)的模型基于提取的特征對(duì)影像進(jìn)行分類和識(shí)別?；跈C(jī)器學(xué)習(xí)的模型可以包[0119]另外，學(xué)習(xí)本發(fā)明的基于深度學(xué)習(xí)的模型的方法可以包括但不限于監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)或強(qiáng)化學(xué)習(xí)中的至少一種。監(jiān)督學(xué)習(xí)是使用一系列學(xué)習(xí)數(shù)據(jù)和與其對(duì)應(yīng)的標(biāo)簽(目標(biāo)輸出值)來執(zhí)行的，并且基于監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型可以是從訓(xùn)練數(shù)據(jù)推斷功能的模型。在監(jiān)督學(xué)習(xí)中，接收一系列學(xué)習(xí)數(shù)據(jù)和與其對(duì)應(yīng)的目標(biāo)輸出值，通過學(xué)習(xí)發(fā)現(xiàn)錯(cuò)誤，將輸入數(shù)據(jù)的實(shí)際輸出值與目標(biāo)輸出值進(jìn)行比較，然后基于相應(yīng)結(jié)果修改模型。監(jiān)督學(xué)習(xí)可以根據(jù)結(jié)果的形式分為回歸、分類、檢測(cè)、語義分割。通過監(jiān)督學(xué)習(xí)得出的功能可以再次用于預(yù)測(cè)新的結(jié)果值?；诒O(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型通過學(xué)習(xí)大量訓(xùn)練數(shù)據(jù)來優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。[0120]與監(jiān)督學(xué)習(xí)不同，無監(jiān)督學(xué)習(xí)是一種執(zhí)行學(xué)習(xí)而不標(biāo)記數(shù)據(jù)的方法。即，無監(jiān)督學(xué)習(xí)表示在沒有已知輸出值或信息的情況下教導(dǎo)學(xué)習(xí)算法的學(xué)習(xí)方法，并且學(xué)習(xí)算法應(yīng)僅利用輸入數(shù)據(jù)從數(shù)據(jù)中提取知識(shí)。例如，無監(jiān)督轉(zhuǎn)換可以表示一種重新表現(xiàn)數(shù)據(jù)的方法，從而使人或?qū)W習(xí)算法的其他機(jī)器比原始數(shù)據(jù)更容易解釋新數(shù)據(jù)。例如，降維可以轉(zhuǎn)換為僅包括必要特征，同時(shí)從許多高維數(shù)據(jù)中減少特性數(shù)量。作為另一個(gè)示例，聚類可以表示將具有相似特性的數(shù)據(jù)劃分為組的方法，即，表示在無標(biāo)簽圖片上出現(xiàn)的具有共同特征的分組。[0121]作為另一個(gè)示例，存在一種生成式對(duì)抗網(wǎng)絡(luò)(GAN)模型，該模型已在創(chuàng)建或還原影像領(lǐng)域或模仿運(yùn)動(dòng)領(lǐng)域中得到了積極研究。GAN模型可以表示一種人工神經(jīng)網(wǎng)絡(luò)或深度學(xué)習(xí)，其中兩種類型的相對(duì)系統(tǒng)以彼此競(jìng)爭(zhēng)的方式執(zhí)行學(xué)習(xí)，并且可以表示一種利用對(duì)抗學(xué)習(xí)方法學(xué)習(xí)由深度學(xué)習(xí)創(chuàng)建的模型從而解決生成問題的算法。GAN模型可以通過生成器和鑒別器彼此競(jìng)爭(zhēng)的過程來學(xué)習(xí)信息。具體地，生成器可以用來生成與現(xiàn)有數(shù)據(jù)相似的模仿數(shù)據(jù)，如果生成器的模仿數(shù)據(jù)接近于實(shí)際數(shù)據(jù)，鑒別器可能失去鑒別功能。另外，鑒別器可以用于確定輸入數(shù)據(jù)是實(shí)際數(shù)據(jù)還是模仿數(shù)據(jù)，如果鑒別器確定生成器計(jì)算的模仿數(shù)據(jù)有50%概率為真，則學(xué)習(xí)可以結(jié)束。同時(shí)，本發(fā)明的GAN模型可以包括能夠進(jìn)行更穩(wěn)定學(xué)習(xí)的[0122]參考圖7,影像生成裝置700可以包括傳感器710和/或控制器720。然而應(yīng)當(dāng)注意，僅示出了解釋本實(shí)施方案所必需的一些部件，并且影像生成裝置700中包括的部件不限于上述示例。例如，兩個(gè)或更多個(gè)組成單元可以實(shí)現(xiàn)為一個(gè)組成單元，并且在一個(gè)組成單元中執(zhí)行的操作可以進(jìn)行劃分并且在兩個(gè)或更多個(gè)組成單元中處理。另外，可以省略一些組成[0123]本發(fā)明的影像生成裝置700可以在預(yù)定時(shí)間內(nèi)從多個(gè)通道采集移動(dòng)工具中至少一個(gè)乘客的腦電波信號(hào)。另外，傳感器710可以執(zhí)行以上操作。[0124]在此，從多個(gè)通道采集的腦電波信號(hào)可以表示時(shí)域、頻域或空間域的至少一個(gè)中的腦電波信號(hào)。在此，空間域可以表示腦電波信號(hào)測(cè)量通道。[0125]本發(fā)明的影像生成裝置700可以利用人工智能模型由從多個(gè)通道采集的腦電波信號(hào)生成與服務(wù)點(diǎn)相關(guān)的第一影像。另外，控制器720可以執(zhí)行以上操作。[0127]例如，服務(wù)點(diǎn)可以是距移動(dòng)工具預(yù)定范圍內(nèi)的DT服務(wù)提供場(chǎng)所。可替代地，當(dāng)移動(dòng)工具在距服務(wù)點(diǎn)預(yù)定范圍內(nèi)時(shí)，移動(dòng)工具可以接收關(guān)于商品的信息。服務(wù)點(diǎn)的數(shù)量或類型可以根據(jù)移動(dòng)工具的位置而變化。本發(fā)明的影像生成裝置700可以進(jìn)一步包括接收器(未示[0128]圖8是示出根據(jù)本發(fā)明的實(shí)施方案的移動(dòng)工具和服務(wù)點(diǎn)之間相互執(zhí)行發(fā)送和接收的范圍的圖。[0129]參考圖8,第一服務(wù)點(diǎn)800可以將由第一服務(wù)點(diǎn)800提供的關(guān)于商品的信息發(fā)送到距第一服務(wù)點(diǎn)800第一范圍802內(nèi)的移動(dòng)工具820。相反，第二服務(wù)點(diǎn)810在距第二服務(wù)點(diǎn)810第二范圍812內(nèi)不具有可向其發(fā)送關(guān)于商品的信息的移動(dòng)工具?？商娲?，移動(dòng)工具820可以在距移動(dòng)工具820第三范圍822內(nèi)從第一服務(wù)點(diǎn)800和第二服務(wù)點(diǎn)810接收關(guān)于商品的信[0130]作為另一個(gè)示例，服務(wù)點(diǎn)可以表示用戶輸入的場(chǎng)所或在移動(dòng)工具中預(yù)定的場(chǎng)所?？商娲兀?wù)點(diǎn)可以表示根據(jù)移動(dòng)工具導(dǎo)航設(shè)備中的預(yù)定條件自動(dòng)檢測(cè)到的場(chǎng)所。可以根據(jù)移動(dòng)工具中的用戶以不同方式設(shè)置服務(wù)點(diǎn)。例如，可以通過輸入用戶喜歡的服務(wù)點(diǎn)來設(shè)置服務(wù)點(diǎn)。[0131]作為另一個(gè)示例，可以根據(jù)服務(wù)提供場(chǎng)所的性質(zhì)對(duì)服務(wù)點(diǎn)進(jìn)行分組。例如，可以根據(jù)所提供的商品和服務(wù)的性質(zhì)或類型將服務(wù)點(diǎn)分組為快餐店、咖啡店、面包店、便利店、銀以在移動(dòng)工具的顯示器上顯示分組列表，并且作為對(duì)顯示的響應(yīng)可以根據(jù)移動(dòng)工具的乘客的選擇來選擇至少一個(gè)分組列表。[0132]在此，預(yù)定范圍可以表示在徑向方向上距移動(dòng)工具和/或服務(wù)點(diǎn)數(shù)公里或數(shù)十公里的距離。另外，可以基于通信網(wǎng)絡(luò)來設(shè)置預(yù)定范圍。例如，當(dāng)基于短程通信網(wǎng)絡(luò)在移動(dòng)工具和服務(wù)點(diǎn)之間執(zhí)行發(fā)送和接收時(shí)，預(yù)定范圍可以是能夠通過短程通信網(wǎng)絡(luò)進(jìn)行發(fā)送和接即，商品可以表示乘客要購買的物品。[0136]在此，關(guān)于商品的信息可以表示關(guān)于DT商品的信息。[0138]作為另一個(gè)示例，關(guān)于DT商品的信息可以包括服務(wù)點(diǎn)提供的預(yù)定信息。例如，關(guān)于[0139]作為另一個(gè)示例，可以基于乘客的偏好來設(shè)置關(guān)于DT商品的信息。為此，關(guān)于DT商品的信息可以是根據(jù)乘客執(zhí)行預(yù)先學(xué)習(xí)的結(jié)果。另外，關(guān)于DT商品的信息可以實(shí)時(shí)更新。[0140]此外，人工智能模型可以表示生成式對(duì)抗網(wǎng)絡(luò)(GAN)模型。GAN模型可以包括深度合而獲得的模型，以便處理腦電波信號(hào)。[0141]可以利用GAN模型針對(duì)用戶的腦電波信號(hào)和與其對(duì)應(yīng)的服務(wù)點(diǎn)的影像預(yù)先訓(xùn)練人工智能模型。在此，服務(wù)點(diǎn)的影像可以表示指示DT點(diǎn)的影像或指示DT點(diǎn)提供的商品的影像。[0142]在此，第一影像是指示服務(wù)點(diǎn)的服務(wù)點(diǎn)影像或商品影像中的至少一個(gè)。服務(wù)點(diǎn)影像可以表示指示服務(wù)點(diǎn)的影像，商品影像可以表示指示服務(wù)點(diǎn)提供的商品的影像。在此，商利店、銀行或售票處的標(biāo)識(shí)或商店影像。[0144]作為另一個(gè)示例，當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，第一影像可以表示快餐店提供的漢堡包或飲料的影像。[0145]作為另一個(gè)示例，當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，第一影像可以表示面包店提供的物品的影像。[0146]此外，在生成第一影像的過程中，從多個(gè)通道采集的腦電波信號(hào)可以通過預(yù)定的括ReLU非線性激活函數(shù)的全連接層)。[0147]再次參考圖7,本發(fā)明的影像生成裝置700可以確定第一影像是否與預(yù)設(shè)的第二影[0148]在此，第二影像可以表示服務(wù)點(diǎn)影像或商品[0149]例如，本發(fā)明的影像生成裝置700可以基于對(duì)第一影像和第二影像之間相似度的確定來確定相似度。[0150]在此，對(duì)于相似度的確定，可以應(yīng)用在影像識(shí)別或分類領(lǐng)域中普遍使用的各種相似度確定方法，例如提取輸入影像的特征點(diǎn)以確定相似度的方法。[0151]另外，在確定相似度時(shí)，可以將影像之間相似度的度數(shù)與預(yù)定閾值進(jìn)行比較。預(yù)定閾值可以根據(jù)第一影像和/或第二影像而變化。在此，影像之間相似度的度數(shù)可以表示為概率或預(yù)定數(shù)值。[0152]例如，當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)的閾值可以相對(duì)小于當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)的閾值。例如，如果當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)的閾值是0.6,則當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)的閾值可以是0.8。例如，如果當(dāng)?shù)谝挥跋袷强Х鹊甑臉?biāo)識(shí)影像時(shí)的閾值是0.6,則當(dāng)?shù)谝挥跋袷菨h堡包時(shí)的閾值可以是0.8.即，商品影像(例如，漢堡包影像和飲料影像)之間相似度的度數(shù)通?？梢源笥诜?wù)點(diǎn)影像(例如，快餐店影像和咖啡店影像)之間相似度的度數(shù)。通過區(qū)分閾值，相比于當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像的情況，可以更嚴(yán)格地確定當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)影像之間相似度的度數(shù)。[0153]作為另一個(gè)示例，當(dāng)商品影像中的第一影像是“漢堡包”影像時(shí)的閾值可以相對(duì)小0.5,則當(dāng)?shù)谝挥跋袷恰帮嬃稀庇跋駮r(shí)的閾值可以是0.7。即，即使下，特定商品影像相似度的度數(shù)也可以比另一商品影像更嚴(yán)格或更不嚴(yán)格地確定。[0154]即，本發(fā)明的影像生成裝置700可以通過確定相似度來選擇被確定為乘客期望的服務(wù)點(diǎn)?？商娲?，本發(fā)明的影像生成裝置700可以通過確定相似度來選擇被確定為乘客期望的商品。[0155]在此，第二影像可以通過用戶輸入來設(shè)置或者可以在移動(dòng)工具中預(yù)設(shè)。另外，可以為每一個(gè)服務(wù)點(diǎn)影像和商品影像來預(yù)設(shè)第二影像。例如，可以將第二影像配置為一對(duì)(服務(wù)咖啡)等。[0156]另外，可以基于生成的第一影像來確定第二影像。例如，當(dāng)?shù)谝挥跋袷欠?wù)點(diǎn)影像時(shí)，第二影像可以被確定為預(yù)設(shè)服務(wù)點(diǎn)影像?？商娲?，當(dāng)?shù)谝挥跋袷巧唐酚跋駮r(shí)，第二影像可以被確定為預(yù)設(shè)商品影像。即，第二影像可以被確定為與第一影像的類型匹配的影像，以便確定影像之間的相似度。[0157]可替代地，第二影像可以是預(yù)設(shè)影像，而不管生成的第一影像如何。即，可以與第而不管第一影像是服務(wù)點(diǎn)影像還是商品影像?？商娲?，第二影像可以是預(yù)定的“咖啡店”影像，而不管第一影像是服務(wù)點(diǎn)影像還是商品影像。[0158]即，本發(fā)明的影像生成裝置700可以以影像的形式預(yù)先存儲(chǔ)乘客經(jīng)常拜訪的服務(wù)點(diǎn)或移動(dòng)工具中乘客偏好的商品，并確定基于乘客腦電波信號(hào)生成的影像是否與存儲(chǔ)的影像相似。[0159]另外，本發(fā)明的影像生成裝置700可以基于確定相似度的結(jié)果來控制移動(dòng)工具或向服務(wù)點(diǎn)提供預(yù)定信息。另外，控制器720可以執(zhí)行以上操[0160]即，如上所述，本發(fā)明的影像生成裝置700可以通過利用相似度確定來確定乘客期望或想到的信息是什么。另外，根據(jù)確定，可以控制移動(dòng)工具或者可以將預(yù)定信息發(fā)送到服務(wù)點(diǎn)以回答該目的。[0161]例如，在確定出第一影像與第二影像相似時(shí)，可以將行駛路線改變至與所選擇的第二影像相對(duì)應(yīng)的服務(wù)點(diǎn)，或者可以將行駛路線提供給乘客以引導(dǎo)乘客選擇路線。可替代地，可以將改變行駛路線的通知提供給乘客。[0162]作為另一個(gè)示例，在確定出第一影像與第二影像相似時(shí)，可以將與第二影像相對(duì)應(yīng)的商品的訂購信號(hào)發(fā)送到服務(wù)點(diǎn)。例如，當(dāng)?shù)谝挥跋袷恰翱Х取庇跋癫⑶冶淮_定為與預(yù)設(shè)的第二影像相似時(shí)，可以將咖啡的訂購信號(hào)發(fā)送到與咖啡相對(duì)應(yīng)的咖啡店?？商娲兀梢詫⑿旭偮肪€改變?yōu)榕c咖啡相對(duì)應(yīng)的咖啡店，或者可以將行駛路線提供給乘客以引導(dǎo)乘客選擇路線?？商娲兀梢詫⒏淖冃旭偮肪€的通知提供給乘客。[0163]圖9是示出根據(jù)本發(fā)明的實(shí)施方案的操作影像生成裝置的方法的流程圖。[0164]在步驟S901,可以在預(yù)定時(shí)間內(nèi)從多個(gè)通道采集移動(dòng)工具中至少一個(gè)乘客的腦電波信號(hào)。[0165]在此，從多個(gè)通道采集的腦電波信號(hào)可以表示時(shí)域、頻域或空間域的至少一個(gè)中的腦電波信號(hào)。[0166]在步驟S902,可以利用人工智能模型由從多個(gè)通道采集的腦電波信號(hào)生成服務(wù)點(diǎn)的第一影像。[0167]在此，人工智能模型可以表示生成式對(duì)抗網(wǎng)絡(luò)(GAN)模型。GAN模型可以包括深度合而獲得的模型，以便處理腦電波信號(hào)。[0168]在此，第一影像是指示服務(wù)點(diǎn)的服務(wù)點(diǎn)影像或商品影像中的至少一個(gè)。服務(wù)點(diǎn)影像可以表示指示服務(wù)點(diǎn)的影像，商品影像可以表示指示服務(wù)點(diǎn)提供的商品的影像。[0169]此外，可以利用GAN模型針對(duì)用戶的腦電波信號(hào)和與其相對(duì)應(yīng)的服務(wù)點(diǎn)的影像預(yù)先訓(xùn)練人工智能模型。在此，服務(wù)點(diǎn)的影像可以表示指示DT點(diǎn)的影像或指示DT點(diǎn)提供的商品的影像。[0170]此外，在生成第一影像的過程中，從多個(gè)通道采集的腦電波信號(hào)可以通過預(yù)定的括ReLU非線性激活函數(shù)的全連接層)。[0171]在步驟S903,可以確定生成的第一影像是否與預(yù)設(shè)的第二影像相似。[0172]在此，第二影像可以表示服務(wù)點(diǎn)影像或商品影像。[0173]例如，本發(fā)明的影像生成裝置700可以基于對(duì)第一影像和第二影像之間的相似度的確定來確定相似度。[