CN107506716A - 一种基于视频图像的非接触式实时心率测量方法 - Google Patents
一种基于视频图像的非接触式实时心率测量方法 Download PDFInfo
- Publication number
- CN107506716A CN107506716A CN201710707880.XA CN201710707880A CN107506716A CN 107506716 A CN107506716 A CN 107506716A CN 201710707880 A CN201710707880 A CN 201710707880A CN 107506716 A CN107506716 A CN 107506716A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mtr
- heart rate
- mrow
- rgb image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
Abstract
本发明公开了一种基于视频图像的非接触式实时心率测量方法，包括以下步骤：开始计时，获取一帧RGB图像；确定RGB图像中脸部的外脸颊区域为感兴趣区域；提取感兴趣区域的RGB图像数据，转换到L*u*v*色彩空间；提取u*通道信号进行空间像素平均，得到有效源信号average(u*),存放于预设长度为l的FIFO队列；判断FIFO队列是否充满，若充满，对FIFO中的数据进行小波去噪，得到重构信号，计算重构信号的极大值点的时间间隔均值n，计算当前心率值，删除FIFO队列中前m个数据；判断帧间隔时间是否达到预设值T，若达到则采集下一帧图像做相同处理，没有则继续等待,待满足预设条件时重复上述步骤，直至测量结束。本发明实现了无创、实时地检测心率，且具有成本低、精度高等优点。
Description
技术领域
本发明涉及数字图像处理技术与数字信号处理技术领域，特别涉及一种基于视频图像的非接触式实时心率测量方法。
背景技术
心率是指心脏在每分钟内跳动的次数，它是人体的重要生理参数之一。静息心率则是指人在清醒、不活动的安静状态下的心率。静息心率反映了人体的健康状况，并且会因为年龄、性别以及其他的生理情况的不同而不同。有研究表明，静息心率过高的人心脏病死亡率更高。通过对心率的实时监测能够帮助人们了解自己的身体状况变化，减少意外情况的发生，同时对心血管疾病的预防和控制具有重要的意义。
最传统的心率检测是通过医生使用切脉或者听诊的方式获得的，这种心率测量需要医生具有丰富的相关知识与大量的实践经验。随着科技的发展，人们发明了心率监测仪来测量人的心率，但是心率监测仪的成本很高，通常只用于医院的临床监护，难以进入人们的日常的生活中。随后，指夹式心率血氧仪等的出现在测量准确率高的基础上大大降低了设备成本，并且使用比较方便，只要将指夹式心率血氧仪夹在手指上，就可以准确获取自己的心率，但是，指夹式心率血氧仪的使用必须与人体有直接的接触，长时间的接触会造成被试者的不适，因而不适合长时间的心率测量。
近几年随着计算机、摄像头等的普及，图像PPG(Photoplethysmography)技术的提出为实现无创、非接触的实时心率测量提供了切实可行的思路。由于人体心脏不断地收缩和舒张，会导致人体血管中的血液的充盈程度也会随着心跳而不断地发生变化，并且对光的吸收会随着血液容积的变化呈现出与心跳一致的脉动性变化，因此皮肤表面反射的光的强度也会发生相应的周期性变化，从而表现为采集图像中皮肤颜色的变化。
发明内容
本发明的目的提供一种基于视频图像的非接触式实时心率测量方法，该方法具有无创、非接触、精确度高、算法复杂度低等优点，能够为婴幼儿、驾驶人员、亚健康人群等提供一种很有效的日常监护手段。
实现本发明目的的具体技术方案是：
一种基于视频图像的非接触式实时心率测量方法，所述方法包括以下步骤：
(1)设置计时初始值为0，采集一帧RGB图像，预设帧间隔时间T；
(2)结合Adaboost算法与金字塔图搜索所述RGB图像的脸部区域，并确定外脸颊区域为感兴趣区域；
(3)获取所述感兴趣区域的所述RGB图像数据，并转换到L*u*v*色彩空间；
(4)提取所述L*u*v*色彩空间图像数据中的u*通道信号进行空间像素平均得到心率信息的有效源信号average(u*)，并存放于预设长度为l的FIFO(First Input FirstOutput)队列；
(5)判断所述FIF0队列是否充满，如果所述FIF0队列充满，采用小波方法对所述FIF0队列中的数据进行去噪处理，得到重构信号，计算所述重构信号的极大值点的时间间隔的均值n，利用公式心率＝60/(n*T)计算心率值，删除所述FIFO队列中的前m个数据，m取值在15到40之间；
(6)判断计时时间是否达到帧间隔预设值T，若达到则重复步骤(1)步骤(6)，周而复始，实时测量；没有达到则继续等待，等待达到则重复步骤(1)-步骤(6)，周而复始，实时测量，直至测量结束。
所述步骤(2)具体包括：
结合Adaboost算法与金字塔图搜索所述RGB图像的脸部区域，获取所述图像的脸部区域的长度h和宽度w；
将所述脸部区域上侧缩进0.5×h，下侧缩进0.1×h，左侧和右侧再各缩进0.2×w，得到所述RGB图像的脸部区域的内脸颊区域，并定为所述RGB图像的感兴趣区域。
所述步骤(3)具体包括：
获取所述RGB图像的所述感兴趣区域中每个像素点的R、G、B分量值，并转换到XYZ色彩空间，变换公式如下：
式中r、g、b分别为所述RBG图像的感兴趣区域中每个像素点的R、G、B分量值，x、y、z分别为XYZ色彩空间中对应像素点的X、Y、Z分量值。
将所述XYZ色彩空间中每个像素点的X、Y、Z分量值转换到L*u*v*色彩空间，变换公式如下：
u*＝13(L*)(u′-un)
v*＝13(v′-vn)
式中，Yn＝1.0，un＝0.197939，vn＝0.468311，u’和v’由所述XYZ色彩空间中相应像素点的X、Y、Z分量值计算得到，变换公式如下：
所述步骤(5)具体包括：
判断所述FIFO队列是否充满，如果所述FIFO队列充满后，采用小波方法对所述FIFO队列中的数据进行去噪处理，得到重构信号；
提取所述重构信号的极大值点，确定相邻两个极大值点之间的数据点的个数，计算相邻两个极大值之间的时间间隔；
删除最大和最小的所述时间间隔，计算剩余所述时间间隔的平均值n；
利用公式心率＝60/(n*T)计算心率值。
进一步，所述小波方法对所述FIFO队列中的数据进行去噪处理，具体过程为：
选定一种层数为3的sym8小波对所述FIFO队列中的数据进行小波分解；
选用minimaxi阈值对小波分解后各层系数进行量化；
用处理后的第三层系数重构信号。
本发明提供的技术方案的有益效果是：本发明提供了一种基于视频图像的非接触式实时心率测量方法，通过自动获取人体脸部区域的图像序列来获取心率，与被试者之间没有直接的接触，测量方便；能够对摄像头获取的图像进行实时信号处理，提取的心率值具有实时性；对心率提取算法进行了最大程度的优化，使得算法可移植到各种平台，且算法精确度高。
附图说明
图1为本发明流程图；
图2为本发明实施例流程图；
图3为本发明人体脸部区域的划分示意图；
图4为本发明实施例采集到的脸部区域原始RGB数据经过色域空间变换后提取的有效源信号示意图；
图5为本发明有效源信号进行小波去噪的原理图；
图6为本发明实施例小波去噪后的信号图。
具体实施方式
为了更加清楚明白地说明本发明所述的技术手段、技术改进及优点，以下结合附图和实施例，对本发明进行详细的说明。
参见图2，本发明所提供的一种基于视频图像的非接触式实时心率测量方法，包括以下步骤：
S101：设置计时初始值为0，采集一帧RGB图像，预设帧间隔时间T；
其中，帧间隔预设值T的选择根据实际应用中的需要进行设置，本发明实施例以T＝0.05s为例进行说明。
S102：结合Adaboost算法与金字塔图搜索所述RGB图像的脸部区域，并确定外脸颊区域为感兴趣区域；
该步骤具体为：
结合Adaboost算法与金字塔图搜索所述RGB图像的脸部区域，获取所述图像的脸部区域的长度h和宽度w；
其中，所述结合Adaboost算法与金字塔图为公知的人脸检测算法，在此不进行详细的介绍。
将所述RGB图像的脸部区域上侧缩进0.5×h，下侧缩进0.1×h，左侧和右侧再各缩进0.2×w，得到所述RGB图像的脸部区域的内脸颊区域，并定为所述RGB图像的感兴趣区域。
图3所示为本发明提供的人体脸部区域的划分示意图，图中白色边框是使用Adaboost配合金字塔图找到的人脸区域，深色框框出来的部分为对心率信号敏感区域。
S103：获取所述感兴趣区域的所述RGB图像数据，并转换到L*u*v*色彩空间；
该步骤具体为：
获取所述RGB图像的所述感兴趣区域中每个像素点的R、G、B分量值，并转换到XYZ色彩空间，变换公式如下：
式中r、g、b分别为所述RBG图像的感兴趣区域中每个像素点的R、G、B分量值，x、y、z分别为XYZ色彩空间中对应像素点的X、Y、Z分量值。
将所述XYZ色彩空间中每个像素点的X、Y、Z分量值转换到L*u*v*色彩空间，变换公式如下：
u*＝13(L*)(u′-un)
v*＝13(v′-vn)
式中，Yn＝1.0，un＝0.197939，vn＝0.468311，u’和v’可由所述XYZ色彩空间中相应像素点的X、Y、Z分量值计算得到，变换公式如下：
S104：提取所述L*u*v*色彩空间图像数据中的u*通道信号进行空间像素平均得到心率信息的有效源信号average(u*)，并存放于预设长度为l的FIFO(First Input FirstOutput)队列；
其中，FIFO队列长度l的选择根据实际应用中的需要进行设置，本发明实施例以l＝200为例进行说明。
图4为本发明实施例提供的采集到的脸部区域原始RGB数据经过色域空间变换后提取的有效源信号示意图。
S105：判断所述FIF0队列是否充满，如果所述FIF0队列充满，采用小波方法对所述FIF0队列中的数据进行去噪处理，得到重构信号，提取重构信号的心率值，删除所述FIFO队列中的前m个数据，m取值在15到40之间；
该步骤具体为：
判断所述FIFO队列是否充满，若充满，则读取所述FIFO队列中的200个数据进行小波去噪和重构；
提取所述重构信号的极大值点，确定相邻两个极大值点之间的数据点的个数，计算相邻两个极大值之间的时间间隔n；
删除最大和最小的所述时间间隔，计算剩余所述时间间隔的平均值n；
利用公式心率＝60/(n*T)计算心率值。
进一步，参见图5，所述小波方法对所述FIFO队列中的数据进行去噪处理，具体过程包括：
选定一种层数为3的sym8小波对所述FIFO队列中的数据进行小波分解；
选用minimaxi阈值对小波分解后各层系数进行量化；
用处理后的第三层系数重构信号。
其中，删除所述FIFO队列中数据个数m的选择根据实际应用中的需要进行设置，本发明实施例以m＝20为例进行说明。
图6为本发明实施例小波去噪后的信号，从图中可以看出，噪声已经被完全滤除。
S106：判断计时时间是否达到帧间隔预设值T，若达到则重复步骤S101步骤S106，周而复始，实时测量；没有达到则继续等待，等待达到则重复步骤S101-步骤S106，周而复始，实时测量，直至测量结束。
综上所述，本发明提供了一种基于视频图像的非接触式实时心率测量方法，该方法通过摄像头采集人脸的RGB图像，然后从每张RGB图像中检测出心率感兴趣区域，进一步提取心率信号，创新性的实现了非接触实时的心率检测。该心率检测方法精确度高，与被测人员无直接接触，算法复杂度低。利用本发明方法不仅有利于日常生活中健康检测，也为临床医疗提供了新的技术手段。根据不同的应用背景，本发明经过适当的修改同样适用于其他相关图像处理领域。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于视频图像的非接触式实时心率测量方法，其特征在于，所述方法包括以下步骤：
步骤1：设置计时初始值为0，采集一帧RGB图像，预设帧间隔时间T；
步骤2：结合Adaboost算法与金字塔图搜索所述RGB图像的脸部区域，并确定外脸颊区域为感兴趣区域；
步骤3：获取所述感兴趣区域的所述RGB图像数据，并转换到L*u*v*色彩空间；
步骤4：提取所述L*u*v*色彩空间图像数据中的u*通道信号进行空间像素平均得到心率信息的有效源信号average(u*)，并存放于预设长度为l的FIFO(First Input FirstOutput)队列；
步骤5：判断所述FIFO队列是否充满，如果所述FIFO队列充满，采用小波方法对所述FIFO队列中的数据进行去噪处理，得到重构信号，计算所述重构信号的极大值点的时间间隔的均值n，利用公式心率＝60/(n*T)计算心率值，删除所述FIFO队列中的前m个数据，m取值在15到40之间；
步骤6：判断计时时间是否达到帧间隔预设值T，若达到则重复步骤1-步骤6，周而复始，实时测量；没有达到则继续等待，等待达到则重复步骤1-步骤6，周而复始，实时测量，直至测量结束。
2.根据权利要求1所述的一种基于视频图像的非接触式实时心率测量方法，其特征在于，所述步骤2的具体过程为：
结合Adaboost算法与金字塔图搜索所述RGB图像的脸部区域，获取所述RGB图像的脸部区域的长度h和宽度w；
将所述脸部区域上侧缩进0.5×h，下侧缩进0.1×h，左侧和右侧再各缩进0.2×w，得到所述RGB图像的脸部区域的内脸颊区域，并定为所述RGB图像的感兴趣区域。
3.根据权利要求1所述的一种基于视频图像的非接触式实时心率测量方法，其特征在于，所述步骤3的具体过程为：
获取所述RGB图像的所述感兴趣区域中每个像素点的R、G、B分量，并转换到XYZ色彩空间，变换公式如下：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>y</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>z</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>0.412453</mn>
</mtd>
<mtd>
<mn>0.357580</mn>
</mtd>
<mtd>
<mn>0.1804223</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.212671</mn>
</mtd>
<mtd>
<mn>0.715160</mn>
</mtd>
<mtd>
<mn>0.072169</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.019334</mn>
</mtd>
<mtd>
<mn>0.119193</mn>
</mtd>
<mtd>
<mn>0.950227</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&CenterDot;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>r</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>g</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>b</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中r、g、b分别为所述RBG图像的感兴趣区域中每个像素点的R、G、B分量值，x、y、z分别为XYZ色彩空间中对应像素点的X、Y、Z分量值；
将所述XYZ色彩空间中每个像素点的X、Y、Z分量值转换到L*u*v*色彩空间，变换公式如下：
u*＝13(L*)(u′-un)
v*＝13(v′-vn)
式中，Yn＝1.0，un＝0.197939，vn＝0.468311，u’和v’由所述XYZ色彩空间中相应像素点的X、Y、Z分量值计算得到，变换公式如下：
<mrow>
<msup>
<mi>u</mi>
<mo>,</mo>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<mn>4</mn>
<mi>x</mi>
</mrow>
<mrow>
<mi>x</mi>
<mo>+</mo>
<mn>15</mn>
<mi>y</mi>
<mo>+</mo>
<mn>3</mn>
<mi>z</mi>
</mrow>
</mfrac>
</mrow>
<mrow>
<msup>
<mi>v</mi>
<mo>,</mo>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<mn>9</mn>
<mi>y</mi>
</mrow>
<mrow>
<mi>z</mi>
<mo>+</mo>
<mn>15</mn>
<mi>y</mi>
<mo>+</mo>
<mn>3</mn>
<mi>z</mi>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的一种基于视频图像的非接触式实时心率测量方法，其特征在于，所述步骤5的具体过程：
判断所述FIFO队列是否充满，如果所述FIFO队列充满后，采用小波方法对所述FIFO队列中的数据进行去噪处理，得到重构信号；
提取所述重构信号的极大值点，确定相邻两个极大值点之间的数据点的个数，计算相邻两个极大值之间的时间间隔；
删除最大和最小的所述时间间隔，计算剩余所述时间间隔的平均值n；
利用公式心率＝60/(n*T)计算心率值；
进一步，所述小波方法对所述FIFO队列中的数据进行去噪处理，具体过程为：
选定一种层数为3的sym8小波对所述FIFO队列中的数据进行小波分解；
选用minimaxi阈值对小波分解后各层系数进行量化；
用处理后的第三层系数重构信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710707880.XA CN107506716A (zh) | 2017-08-17 | 2017-08-17 | 一种基于视频图像的非接触式实时心率测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710707880.XA CN107506716A (zh) | 2017-08-17 | 2017-08-17 | 一种基于视频图像的非接触式实时心率测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107506716A true CN107506716A (zh) | 2017-12-22 |
Family
ID=60691936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710707880.XA Pending CN107506716A (zh) | 2017-08-17 | 2017-08-17 | 一种基于视频图像的非接触式实时心率测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107506716A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034132A (zh) * | 2018-09-03 | 2018-12-18 | 深圳市尼欧科技有限公司 | 一种驾驶异常行为的检测方法 |
| CN109259748A (zh) * | 2018-08-17 | 2019-01-25 | 西安电子科技大学 | 手机处理人脸视频提取心率信号的系统及其方法 |
| CN109480810A (zh) * | 2018-10-09 | 2019-03-19 | 江西师范大学 | 一种基于循环队列的脉搏信号纠错方法 |
| CN109480808A (zh) * | 2018-09-27 | 2019-03-19 | 深圳市君利信达科技有限公司 | 一种基于ppg的心率检测方法、系统、设备和存储介质 |
| CN110084085A (zh) * | 2018-11-06 | 2019-08-02 | 天津工业大学 | 基于成形信号的rppg高精度心率检测方法 |
| CN110236514A (zh) * | 2019-07-12 | 2019-09-17 | 华东师范大学 | 基于视频的众值提取和中值滤波结合的实时心率检测方法 |
| CN110353648A (zh) * | 2019-08-28 | 2019-10-22 | 华东师范大学 | 一种基于双摄像头的实时心率检测方法 |
| GB2572961A (en) * | 2018-04-16 | 2019-10-23 | Clinicco Ltd | System for vital sign detection from a video stream |
| CN110584638A (zh) * | 2019-10-30 | 2019-12-20 | 郑州大学 | 一种基于cmor小波的非接触式心率测量方法 |
| CN111248876A (zh) * | 2020-02-27 | 2020-06-09 | 四川长虹电器股份有限公司 | 基于压电薄膜传感信号的心率和呼吸率的计算方法 |
| CN111248896A (zh) * | 2018-11-30 | 2020-06-09 | 无锡祥生医疗科技股份有限公司 | 心电信号采集系统及方法 |
| CN112043257A (zh) * | 2020-09-18 | 2020-12-08 | 合肥工业大学 | 一种运动鲁棒的非接触式视频心率检测方法 |
| CN112294282A (zh) * | 2019-08-01 | 2021-02-02 | 天津工业大学 | 基于rppg的情绪检测装置的自标定方法 |
| CN113143274A (zh) * | 2021-03-31 | 2021-07-23 | 北京晶栈信息技术有限公司 | 基于摄像头的情绪预警方法 |
| CN116681700A (zh) * | 2023-08-01 | 2023-09-01 | 首都医科大学附属北京天坛医院 | 用户心率和心率变异性的评估方法、装置和可读储存介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103462597A (zh) * | 2013-09-18 | 2013-12-25 | 温州医科大学 | 一种基于智能手机控制的预防阻塞性睡眠猝死的方法及装置 |
| 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 |
| JP5949008B2 (ja) * | 2012-03-16 | 2016-07-06 | 富士通株式会社 | 睡眠深度判定装置及び制御方法 |
| CN105989357A (zh) * | 2016-01-18 | 2016-10-05 | 合肥工业大学 | 一种基于人脸视频处理的心率检测方法 |
| CN106778695A (zh) * | 2017-01-19 | 2017-05-31 | 北京理工大学 | 一种基于视频的多人快速心率检测方法 |
-
2017
- 2017-08-17 CN CN201710707880.XA patent/CN107506716A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5949008B2 (ja) * | 2012-03-16 | 2016-07-06 | 富士通株式会社 | 睡眠深度判定装置及び制御方法 |
| CN103462597A (zh) * | 2013-09-18 | 2013-12-25 | 温州医科大学 | 一种基于智能手机控制的预防阻塞性睡眠猝死的方法及装置 |
| 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 |
| CN105989357A (zh) * | 2016-01-18 | 2016-10-05 | 合肥工业大学 | 一种基于人脸视频处理的心率检测方法 |
| CN106778695A (zh) * | 2017-01-19 | 2017-05-31 | 北京理工大学 | 一种基于视频的多人快速心率检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘祎: "《基于普通摄像头的实时心率测量系统》", 《CNKI数据库》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2572961A (en) * | 2018-04-16 | 2019-10-23 | Clinicco Ltd | System for vital sign detection from a video stream |
| CN109259748A (zh) * | 2018-08-17 | 2019-01-25 | 西安电子科技大学 | 手机处理人脸视频提取心率信号的系统及其方法 |
| CN109034132A (zh) * | 2018-09-03 | 2018-12-18 | 深圳市尼欧科技有限公司 | 一种驾驶异常行为的检测方法 |
| CN109480808A (zh) * | 2018-09-27 | 2019-03-19 | 深圳市君利信达科技有限公司 | 一种基于ppg的心率检测方法、系统、设备和存储介质 |
| CN109480810A (zh) * | 2018-10-09 | 2019-03-19 | 江西师范大学 | 一种基于循环队列的脉搏信号纠错方法 |
| CN110084085A (zh) * | 2018-11-06 | 2019-08-02 | 天津工业大学 | 基于成形信号的rppg高精度心率检测方法 |
| CN110084085B (zh) * | 2018-11-06 | 2023-12-15 | 天津工业大学 | 基于成形信号的rppg高精度心率检测方法 |
| CN111248896A (zh) * | 2018-11-30 | 2020-06-09 | 无锡祥生医疗科技股份有限公司 | 心电信号采集系统及方法 |
| CN110236514A (zh) * | 2019-07-12 | 2019-09-17 | 华东师范大学 | 基于视频的众值提取和中值滤波结合的实时心率检测方法 |
| CN112294282A (zh) * | 2019-08-01 | 2021-02-02 | 天津工业大学 | 基于rppg的情绪检测装置的自标定方法 |
| CN110353648A (zh) * | 2019-08-28 | 2019-10-22 | 华东师范大学 | 一种基于双摄像头的实时心率检测方法 |
| CN110584638A (zh) * | 2019-10-30 | 2019-12-20 | 郑州大学 | 一种基于cmor小波的非接触式心率测量方法 |
| CN111248876A (zh) * | 2020-02-27 | 2020-06-09 | 四川长虹电器股份有限公司 | 基于压电薄膜传感信号的心率和呼吸率的计算方法 |
| CN111248876B (zh) * | 2020-02-27 | 2021-10-29 | 四川长虹电器股份有限公司 | 基于压电薄膜传感信号的心率和呼吸率的计算方法 |
| CN112043257A (zh) * | 2020-09-18 | 2020-12-08 | 合肥工业大学 | 一种运动鲁棒的非接触式视频心率检测方法 |
| CN112043257B (zh) * | 2020-09-18 | 2022-12-20 | 合肥工业大学 | 一种运动鲁棒的非接触式视频心率检测方法 |
| CN113143274A (zh) * | 2021-03-31 | 2021-07-23 | 北京晶栈信息技术有限公司 | 基于摄像头的情绪预警方法 |
| CN113143274B (zh) * | 2021-03-31 | 2023-11-10 | 中国科学院心理研究所 | 基于摄像头的情绪预警方法 |
| CN116681700A (zh) * | 2023-08-01 | 2023-09-01 | 首都医科大学附属北京天坛医院 | 用户心率和心率变异性的评估方法、装置和可读储存介质 |
| CN116681700B (zh) * | 2023-08-01 | 2023-10-31 | 首都医科大学附属北京天坛医院 | 用户心率和心率变异性的评估方法、装置和可读储存介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107506716A (zh) | 一种基于视频图像的非接触式实时心率测量方法 | |
| CN103908236B (zh) | 一种自动血压测量系统 | |
| CN108272448B (zh) | 一种非接触式的婴儿生理参数昼夜监护方法 | |
| JP6123885B2 (ja) | 血流指標算出方法、血流指標算出プログラム及び血流指標算出装置 | |
| CN109044314B (zh) | 一种基于欧拉视频放大的非接触式心率监测方法 | |
| CN111728602A (zh) | 基于ppg的无接触血压测量装置 | |
| US20160317041A1 (en) | System and methods for measuring physiological parameters | |
| CN110647815A (zh) | 一种基于人脸视频图像的非接触式心率测量方法及系统 | |
| CN107358220A (zh) | 一种人体心率与呼吸的非接触式测量方法 | |
| CN102488508B (zh) | 一种基于图像捕获的心率测量方法 | |
| DE102013208588A1 (de) | Verarbeitung eines videos zur schätzung einer atemrate | |
| KR101738278B1 (ko) | 영상을 이용한 감정 인식 방법 | |
| WO2013165550A9 (en) | Methods and systems for measuring dynamic changes in the physiological parameters of a subject | |
| CN111714144A (zh) | 基于视频非接触测量的精神压力分析方法 | |
| CN110236511A (zh) | 一种基于视频的无创心率测量方法 | |
| CN110236508A (zh) | 一种无创血压连续监测方法 | |
| CN110084085B (zh) | 基于成形信号的rppg高精度心率检测方法 | |
| CN112294282A (zh) | 基于rppg的情绪检测装置的自标定方法 | |
| JP6620999B2 (ja) | 生体情報計測装置、生体情報計測プログラム、及び生体情報計測方法 | |
| CN109497977A (zh) | 人体心率和血氧饱和度检测方法和装置 | |
| CN103263271A (zh) | 非接触式自动血氧饱和度测量系统及测量方法 | |
| CN110801212B (zh) | 基于神经网络的bcg信号心率提取方法 | |
| CN203290905U (zh) | 非接触式自动呼吸测量系统 | |
| CN110251115A (zh) | 基于体表视频的ppg信号提取方法、系统、设备及介质 | |
| CN112200099A (zh) | 一种基于视频的动态心率检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171222 |