1.一种基于N2pc的目标识别反馈系统，包括：

离线训练模块，用于通过对用户进行视觉刺激，使用户搜索目标并产生N2pc，并采集用户脑电数据以及用户直接反馈的搜索结果，进而利用搜索结果和用户脑电数据中N2pc特征作为训练样本训练分类器；

在线模块，用于在用户进行目标搜索时实时采集用户的脑电数据，并利用所述分类器通过分类所述脑电数据的N2pc特征得以识别用户目标搜索的结果；

其特征在于：所述在线模块包括反馈模块，用于当在线模块认定无法识别用户目标搜索的结果时，向用户提供有助于搜索的反馈。

2.根据权利要求1所述的基于N2pc的目标识别反馈系统，其特征在于：所述离线训练模块还用于获取用户的自我精神评估，并统计用户在某精神状态下直接反馈的搜索结果的正确率以及反馈结果所用的时间，从而拟合出不同精神状态下的时间-感知性能曲线，并根据所述时间-感知性能曲线确定向不同精神状态下的用户提供所述反馈的时间阈值；

以及，通过用户在不同精神状态下的脑电数据训练疲劳水平判别分类器；

所述识别步骤还包括，利用所述疲劳水平判别分类器通过分类脑电数据得以识别用户当前的精神状态，并根据该状态选择向用户提供所述反馈的时间阈值。

3.根据权利要求2所述的基于N2pc的目标识别反馈系统，其特征在于：所述离线训练模块通过以下过程建立时间-感知性能曲线:目标搜索正确率使用d′指数来表示，d′指数使用命中率H和误报率F来计算：d′＝Z(H)–Z(F)

其中Z(o)是标准累积分布的反函数；

使用回归的方法来获得关于时间t和d′的指数关系函数:d′(t)＝a(1-e-bt)

建立关于时间t和感知性能PC的函数关系如下：

PC(t)＝m(t)×H(t)+n(t)×(1-F(t))m(t)和n(t)分别表示目标出现和不出现的概率，m(t)+n(t)＝1。

4.根据权利要求1所述的基于N2pc的目标识别反馈系统，其特征在于所述分类器为正则化线性判别分析分类器。

5.根据权利要求1所述的基于N2pc的目标识别反馈系统，其特征在于：所述反馈模块提供的反馈为呈现反馈界面，所述反馈界面为原画面的局部放大画面。

6.一种基于N2pc的目标识别反馈方法，包括以下内容：训练步骤，用于通过对用户进行视觉刺激，使用户搜索目标并产生N2pc，并采集用户脑电数据以及用户直接反馈的搜索结果，进而利用搜索结果和用户脑电数据中N2pc特征作为训练样本训练分类器；

识别步骤：用于在用户进行目标搜索时实时采集用户的脑电数据，并利用所述分类器通过分类所述脑电数据的N2pc特征得以识别用户目标搜索的结果；

其特征在于：还包括反馈步骤：当识别步骤认定无法识别用户目标搜索的结果时，向用户提供有助于搜索的反馈。

7.根据权利要求6所述的基于N2pc的目标识别反馈方法，其特征在于：所述训练步骤还包括，获取用户的自我精神评估，并统计用户在某精神状态下直接反馈的搜索结果的正确率以及反馈结果所用的时间，从而拟合出不同精神状态下的时间-感知性能曲线，并根据所述时间-感知性能曲线确定向不同精神状态下的用户提供所述反馈的时间阈值；

以及，通过用户在不同精神状态下的脑电数据训练疲劳水平判别分类器；

所述识别步骤还包括，利用所述疲劳水平判别分类器通过分类脑电数据得以识别用户当前的精神状态，并根据该状态选择向用户提供所述反馈的时间阈值。

8.根据权利要求7所述的基于N2pc的目标识别反馈方法，其特征在于：在所述训练步骤中通过以下过程建立时间-感知性能曲线:目标搜索正确率使用d′指数来表示，d′指数使用命中率H和误报率F来计算：d′＝Z(H)–Z(F)

其中Z(o)是标准累积分布的反函数；

使用回归的方法来获得关于时间t和d′的指数关系函数:-bt

d′(t)＝a(1-e )

建立关于时间t和感知性能PC的函数关系如下：

PC(t)＝m(t)×H(t)+n(t)×(1-F(t))m(t)和n(t)分别表示目标出现和不出现的概率，m(t)+n(t)＝1。

9.根据权利要求6所述的基于N2pc的目标识别反馈方法，其特征在于：所述分类器为正则化线性判别分析分类器。

10.根据权利要求6所述的基于N2pc的目标识别反馈方法，其特征在于：所述反馈步骤中给出的反馈为呈现反馈界面，所述反馈界面为原画面的局部放大画面。