CN105615864A - 用于移动终端的信息采集方法 - Google Patents
用于移动终端的信息采集方法 Download PDFInfo
- Publication number
- CN105615864A CN105615864A CN201610195374.2A CN201610195374A CN105615864A CN 105615864 A CN105615864 A CN 105615864A CN 201610195374 A CN201610195374 A CN 201610195374A CN 105615864 A CN105615864 A CN 105615864A
- Authority
- CN
- China
- Prior art keywords
- crest
- signal
- value
- heart rate
- intavg
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000002452 interceptive effect Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 238000009532 heart rate measurement Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 abstract 1
- 230000036541 health Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Abstract
本发明提供了一种用于移动终端的信息采集方法,该方法包括:在移动终端的视频图像中捕获皮肤区域,过滤皮肤区域的像素点的干扰噪声得到心率信号;计算心率信号的波峰间距,通过统计直方图进行心率测量。本发明提出一种用于移动终端的信息采集方法,通过移动终端远距离采集生理数据,提高了数据采集的准确性和用户的舒适性。
Description
技术领域
本发明涉及数据采集,特别涉及一种用于移动终端的信息采集方法。
背景技术
随着物质生活水平的迅速提高,许多新的危害人类健康的因素也接踵而来,如心血管疾病等已经成为危害人类健康的最疾病。因此长期监护人体生理参数有利于了解人的健康情况。心率被认定为众多生理信息中最基本也是最重要的信息之一。在心率的数据采集方法中,切脉容易受到医生主观因素的影响,医生在诊断病情的时候会采用听诊器辅助诊断。对于先进的脉搏测量仪,被测量者都与仪器或者医生有一定的接触,给被测量者带来不适感。
发明内容
为解决上述现有技术所存在的问题,本发明提出一种用于移动终端的信息采集方法,包括:
在移动终端的视频图像中捕获皮肤区域,过滤皮肤区域的像素点的干扰噪声得到心率信号;计算心率信号的波峰间距,通过统计直方图进行心率测量。
优选的,所述在移动终端的视频图像中捕获皮肤区域,过滤皮肤区域的像素点的干扰噪声得到心率信号,进一步包括:
在视频预处理过程中,将视频的所有帧经过计算后得到RGB通道的三个信号,将绿色通道像素值的均值中的主分量信号提取出来,通过皮肤的定位及跟踪,确定感兴趣区域后,取感兴趣区域所有像素点像素值的平均值;获取三块感兴趣区域的绿色通道像素值的平均值曲线,对这三条曲线的三组数据进行数据降维,提取出包含心率信息的一维数据曲线;所述数据降维包括通过主分量分析得到主分量过滤噪声,保留心率周期信号;
优选的,所述计算心率信号的波峰间距,通过统计直方图进行心率测量,进一步包括:
将原始心率信号X分为由周期性的心动信号Xstat和低频非周期性的趋势信号Xtrend,利用时变的FIR高通滤波器将低频非周期的趋势信号过滤,保留周期信号的部分;
提取心率信号波峰之间的间距,然后进行直方图统计,计算出心跳间距,最后计算出心率,其中在计算心跳间距时,首先进行波峰检测,包括检测信号中极大值的位置,也就是信号在某一小范围内的最大值;采用以下波峰检验条件:
记检测出信号X={x1,x2,…,xn}的波峰为pi,i=1,2,…,m,m为波峰的个数,仅当pi满足以下三个条件时,确定为有效波峰:
(1)波峰pi与其左边相邻的三个值x1,x2,x3组成的数组X1'={x1,x2,x3,pi}中,最大值是波峰的值pi,最小值为波峰左边第三个值x1;
(2)波峰pi与其右边相邻的三个值x4,x5,x6组成的数组X2'={pi,x4,x5,x6}中,最大值是波峰的值pi,最小值为波峰右边第三个值x6;
(3)波峰的值pi大于所有波峰均值的1/5;
采用二次多项式波峰拟合对波峰位置进行修正,拟合过程进一步包括:
选定正确的波峰区间,取所有波峰间距平均值intAvg,记某个波峰的位置为P,针对每个拟合范围为[P-2/3×intAvg,P+2/3×intAvg]对于一个波峰顶端出现了两个尖峰的情况,将两个波峰合并在一起做波峰拟合;将检测出的两个波峰的位置分别记为x1和x2,当(x2-x1)<intAvg/2即两个波峰之间的间距小于所有波峰之间间距均值的一半时,将两个峰值合并在一起,取拟合信号范围为[x1-2/3×intAvg,x2+2/3×intAvg]进行波峰拟合;否则对两个波峰分别取拟合范围为[x1-2/3×intAvg,x1+2/3×intAvg]和[x2-2/3×intAvg,x2+2/3×intAvg]进行两次波峰拟合。
本发明相比现有技术,具有以下优点:
本发明提出一种用于移动终端的信息采集方法,通过移动终端远距离采集生理数据,提高了数据采集的准确性和用户的舒适性。
附图说明
图1是根据本发明实施例的用于移动终端的信息采集方法的流程图。
具体实施方式
下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明,但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定,并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节,并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
本发明的一方面提供了一种用于移动终端的信息采集方法。图1是根据本发明实施例的用于移动终端的信息采集方法流程图。
本发明利用移动终端采集视频,对皮肤区域像素点的平均值提取主分量信号,以过滤采集原始信号时的干扰噪声;然后,计算心率信号的波峰间距,采用重叠界限的直方图进行统计,实现心率的测量。
首先对视频进行预处理,将皮肤区域的绿色通道像素值的均值中的主分量信号提取出来,去除了部分噪声的干扰,提取出心率信号。
本发明提取心率信号的载体是视频中人皮肤肤色的微小颜色变化。通过皮肤的定位及跟踪,确定感兴趣区域后,取感兴趣区域所有像素点像素值的平均值,视频的所有帧经过计算后就得到了RGB三个通道的三个信号。
本发明将感兴趣区域分割成三块。第1,2区域分别是感兴趣区域上半部分从中间分成左右两个区域,第3区域是感兴趣区域的下半部分。分别取这三块区域绿色通道像素值的平均值曲线,对这三条曲线的三组数据进行数据降维,消除噪声,提取出包含心率信息的一维数据曲线。
要利用这些信号中有意义的部分加以处理,计算出心率,就需要进行数据的降维处理。数据降维是指高维数据之间的线性关系在降维之后的低维数据中能够得以保持。
本发明采用PCA进行数据降维处理,绿色通道的数据曲线都具有相同的周期性,所以通过主分量分析得到的主分量过滤了其他的噪声,能够最大限度的保留心率周期信号。
本发明进一步通过对主分量分析后得到的心率信号进行滤波、去趋势化等信号处理来降低噪声,采用直方图统计的方法求得心率。
采用滤波器进行滤波是为了消除曲线中的尖峰,为之后检测波峰消除障碍,采用高斯滤波器,选择高斯滤波的窗口大小为5。
要消除信号整体偏向趋势,一方面可以采取光照消除或者补偿,对强光进行遮挡,对弱光或者侧光采取手动添加光源照射皮肤补偿光照;另一方面就是通过信号处理将信号中的不稳定因素去除。本发明在保证光照的前提下采取了基于平滑先验方法的去趋势化。该方法将原始心率信号X分为由周期性的心动信号Xstat和低频非周期性的趋势信号Xtrend,利用一个时变的FIR高通滤波器,将低频非周期的趋势信号过滤,有效的保留周期信号的部分,达到了很好的去趋势化的效果。
本发明采用直方图统计的方法求得心率,首先提取心率信号波峰之间的间距,然后进行直方图统计,计算出心跳间距,最后计算出心率。为了得到波峰之间的间距,首先要进行波峰检测,其包括检测一个信号中极大值的位置,也就是信号在某一个小范围内的最大值。采用以下波峰检验条件:
记检测出信号X={x1,x2,…,xn}的波峰为pi,i=1,2,…,m,m为波峰的个数。以pi为例,只有当pi满足以下三个条件时,确定为有效波峰。
(1)波峰pi与其左边相邻的三个值x1,x2,x3组成的数组X1'={x1,x2,x3,pi}中,最大值是波峰的值pi,最小值为波峰左边第三个值x1。
(2)波峰pi与其右边相邻的三个值x4,x5,x6组成的数组X2'={pi,x4,x5,x6}中,最大值是波峰的值pi,最小值为波峰右边第三个值x6。
(3)波峰的值pi大于所有波峰均值的1/5。
通过以上三个条件的检验将大部分的有效波峰保留,无效波峰剔除,达到了很好的波峰检测的目的。
为了实现短时间准确的心率测量,计算出与实际心跳间距更接近的波峰间距,最好的方法就是修正波峰的位置。本发明采用波峰拟合的方法对波峰位置进行修正。
采用二次多项式进行波峰拟合。选定正确的波峰区间,取所有波峰间距平均值intAvg,记某个波峰的位置为P,针对每个拟合范围为[P-2/3×intAvg,P+2/3×intAvg]。对于一个波峰顶端出现了两个尖峰的情况,将两个波峰合并在一起做波峰拟合。
将检测出的两个波峰的位置分别记为x1和x2,当(x2-x1)<intAvg/2,即两个波峰之间的间距小于所有波峰之间间距均值的一半时,将两个峰值合并在一起,取拟合信号范围为[x1-2/3×intAvg,x2+2/3×intAvg]进行波峰拟合。否则对两个波峰分别取拟合范围为[x1-2/3×intAvg,x1+2/3×intAvg]和[x2-2/3×intAvg,x2+2/3×intAvg]进行两次波峰拟合。经过波峰拟合后,将抛物线的对称轴所在的位置确定为是波峰的位置。
计算出的int,包含以下三部分:
(1)相邻波峰之间的间距,即相邻波峰横坐标之差,例如取第1个波峰与第2个波峰横坐标之差,第2个波峰与第3个波峰横坐标之差,以此类推。
0)相隔波峰横坐标之差,即每隔一个波峰取一次横坐标之差,例如取第1个波峰与第3个波峰横坐标之差,第2个波峰与第4个波峰横坐标之差。
(3)取(1)(2)得到的值的均值,然后将相隔波峰之间的间距除以2与均值求差。
这样计算出的int能够最大限度的保留与心跳间距最接近的波峰间距。
采用固定组距,每次往后平移一个单位,然后将每个数出现的频数进行求和统计。以组距为5为例,上面是正常人的心率范围计算出的正确的int范围,下面是实验测得的每个int做直方图统计,得到频数。对得到的结果进行组距为5的直方图统计,即第1-5个数出现的频数求和,第2-6个数出现的频数求和,以此类推。通过重叠区域直方图统计得到频数最大的组,对这组数据做加权平均,就能够计算出与实际心跳间距最接近的数据。记频数最大的组中的每个int为bi,bi对应出现的频数为ni,其对应的加权平均值b’可以由以下共式得到。
b’=Σ(bi×ni)/Σni
本发明方法所计算出的心率,是每个视频时间长度内的平均心率。
然后利用下式计算出心率h=60×fs/b’,其中fs为采样频率。
综上所述,本发明提出一种用于移动终端的信息采集方法,通过移动终端远距离采集生理数据,提高了数据采集的准确性和用户的舒适性。
显然,本领域的技术人员应该理解,上述的本发明的各模块或各步骤可以用通用的计算系统来实现,它们可以集中在单个的计算系统上,或者分布在多个计算系统所组成的网络上,可选地,它们可以用计算系统可执行的程序代码来实现,从而,可以将它们存储在存储系统中由计算系统来执行。这样,本发明不限制于任何特定的硬件和软件结合。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (3)
1.一种用于移动终端的信息采集方法,其特征在于,包括:
在移动终端的视频图像中捕获皮肤区域,过滤皮肤区域的像素点的干扰噪声得到心率信号;计算心率信号的波峰间距,通过统计直方图进行心率测量。
2.根据权利要求1所述的方法,其特征在于,所述在移动终端的视频图像中捕获皮肤区域,过滤皮肤区域的像素点的干扰噪声得到心率信号,进一步包括:
在视频预处理过程中,将视频的所有帧经过计算后得到RGB通道的三个信号,将绿色通道像素值的均值中的主分量信号提取出来,通过皮肤的定位及跟踪,确定感兴趣区域后,取感兴趣区域所有像素点像素值的平均值;获取三块感兴趣区域的绿色通道像素值的平均值曲线,对这三条曲线的三组数据进行数据降维,提取出包含心率信息的一维数据曲线;所述数据降维包括通过主分量分析得到主分量过滤噪声,保留心率周期信号。
3.根据权利要求2所述的方法,其特征在于,所述计算心率信号的波峰间距,通过统计直方图进行心率测量,进一步包括:
将原始心率信号X分为由周期性的心动信号Xstat和低频非周期性的趋势信号Xtrend,利用时变的FIR高通滤波器将低频非周期的趋势信号过滤,保留周期信号的部分;
提取心率信号波峰之间的间距,然后进行直方图统计,计算出心跳间距,最后计算出心率,其中在计算心跳间距时,首先进行波峰检测,包括检测信号中极大值的位置,也就是信号在某一小范围内的最大值;采用以下波峰检验条件:
记检测出信号X={x1,x2,…,xn}的波峰为pi,i=1,2,…,m,m为波峰的个数,仅当pi满足以下三个条件时,确定为有效波峰:
(1)波峰pi与其左边相邻的三个值x1,x2,x3组成的数组X1'={x1,x2,x3,pi}中,最大值是波峰的值pi,最小值为波峰左边第三个值x1;
(2)波峰pi与其右边相邻的三个值x4,x5,x6组成的数组X2'={pi,x4,x5,x6}中,最大值是波峰的值pi,最小值为波峰右边第三个值x6;
(3)波峰的值pi大于所有波峰均值的1/5;
采用二次多项式波峰拟合对波峰位置进行修正,拟合过程进一步包括:
选定正确的波峰区间,取所有波峰间距平均值intAvg,记某个波峰的位置为P,针对每个拟合范围为[P-2/3×intAvg,P+2/3×intAvg]对于一个波峰顶端出现了两个尖峰的情况,将两个波峰合并在一起做波峰拟合;将检测出的两个波峰的位置分别记为x1和x2,当(x2-x1)<intAvg/2即两个波峰之间的间距小于所有波峰之间间距均值的一半时,将两个峰值合并在一起,取拟合信号范围为[x1-2/3×intAvg,x2+2/3×intAvg]进行波峰拟合;否则对两个波峰分别取拟合范围为[x1-2/3×intAvg,x1+2/3×intAvg]和[x2-2/3×intAvg,x2+2/3×intAvg]进行两次波峰拟合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610195374.2A CN105615864A (zh) | 2016-03-31 | 2016-03-31 | 用于移动终端的信息采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610195374.2A CN105615864A (zh) | 2016-03-31 | 2016-03-31 | 用于移动终端的信息采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105615864A true CN105615864A (zh) | 2016-06-01 |
Family
ID=56031529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610195374.2A Pending CN105615864A (zh) | 2016-03-31 | 2016-03-31 | 用于移动终端的信息采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105615864A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106580301A (zh) * | 2016-12-21 | 2017-04-26 | 广州心与潮信息科技有限公司 | 一种生理参数的监测方法、装置和手持设备 |
CN106725410A (zh) * | 2016-12-12 | 2017-05-31 | 努比亚技术有限公司 | 一种心率检测方法和终端 |
CN109009052A (zh) * | 2018-07-02 | 2018-12-18 | 南京工程学院 | 基于视觉的嵌入式心率测量系统及其测量方法 |
CN110558966A (zh) * | 2019-08-12 | 2019-12-13 | 平安科技(深圳)有限公司 | 一种脉搏检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104138254A (zh) * | 2013-05-10 | 2014-11-12 | 天津点康科技有限公司 | 非接触式自动心率测量系统及测量方法 |
CN105046209A (zh) * | 2015-06-30 | 2015-11-11 | 华侨大学 | 一种基于典型相关分析的非接触式心率测量方法 |
CN105266787A (zh) * | 2015-11-03 | 2016-01-27 | 西安中科创星科技孵化器有限公司 | 一种非接触式心率检测方法及系统 |
-
2016
- 2016-03-31 CN CN201610195374.2A patent/CN105615864A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104138254A (zh) * | 2013-05-10 | 2014-11-12 | 天津点康科技有限公司 | 非接触式自动心率测量系统及测量方法 |
CN105046209A (zh) * | 2015-06-30 | 2015-11-11 | 华侨大学 | 一种基于典型相关分析的非接触式心率测量方法 |
CN105266787A (zh) * | 2015-11-03 | 2016-01-27 | 西安中科创星科技孵化器有限公司 | 一种非接触式心率检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
付美玲: "基于视频信号的心率信息提取及分析", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725410A (zh) * | 2016-12-12 | 2017-05-31 | 努比亚技术有限公司 | 一种心率检测方法和终端 |
CN106580301A (zh) * | 2016-12-21 | 2017-04-26 | 广州心与潮信息科技有限公司 | 一种生理参数的监测方法、装置和手持设备 |
CN109009052A (zh) * | 2018-07-02 | 2018-12-18 | 南京工程学院 | 基于视觉的嵌入式心率测量系统及其测量方法 |
CN110558966A (zh) * | 2019-08-12 | 2019-12-13 | 平安科技(深圳)有限公司 | 一种脉搏检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9089310B2 (en) | Method and device for removing EEG artifacts | |
Castro et al. | Heart sound segmentation of pediatric auscultations using wavelet analysis | |
CN103027667B (zh) | 脉搏波的特征参数提取 | |
CN101449973B (zh) | 用于心电干扰信号识别的判断指标的生成方法及装置 | |
JP7038189B2 (ja) | ノイズ検出方法及び装置 | |
CN103034837B (zh) | 特征参数与脉象要素的关联 | |
CN106691425A (zh) | 一种运动手环的腕部心率监测方法 | |
CN105615864A (zh) | 用于移动终端的信息采集方法 | |
CN105496363A (zh) | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 | |
CN106236049A (zh) | 基于视频图像的血压测量方法 | |
CN112233813A (zh) | 一种基于ppg的非接触式无创心率呼吸测量方法及系统 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
CN110084085B (zh) | 基于成形信号的rppg高精度心率检测方法 | |
Dora et al. | Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression | |
CN105574348B (zh) | 一种基于bcg信号的心跳周期获取方法和装置 | |
CN111067513B (zh) | 一种特征权重自学习的睡眠质量检测关键脑区判定方法 | |
Kaur et al. | An efficient R-peak detection using Riesz fractional-order digital differentiator | |
CN106073800B (zh) | 基于绝对差值和提取的动态光谱数据处理方法及其装置 | |
CN114795171A (zh) | 基于人工智能技术和近红外技术的颅内压无创测量方法 | |
CN113729653A (zh) | 一种人体脉搏波信号采集方法 | |
Zhang et al. | Using rear smartphone cameras as sensors for measuring heart rate variability | |
Rankawat et al. | ECG artifacts detection in noncardiovascular signals using Slope Sum Function and Teager Kaiser Energy | |
CN116269366A (zh) | 一种基于fNIRS分析的ROI脑区通道优化筛选方法 | |
Yun-Mei et al. | The abnormal detection of electroencephalogram with three-dimensional deep convolutional neural networks | |
CN112353377B (zh) | 一种识别光电容积脉搏波特征点的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |
|
RJ01 | Rejection of invention patent application after publication |