CN110236509A - 于视频中实时分析生理特征的方法 - Google Patents

于视频中实时分析生理特征的方法 Download PDF

Info

Publication number
CN110236509A
CN110236509A CN201810188006.4A CN201810188006A CN110236509A CN 110236509 A CN110236509 A CN 110236509A CN 201810188006 A CN201810188006 A CN 201810188006A CN 110236509 A CN110236509 A CN 110236509A
Authority
CN
China
Prior art keywords
video
heart rate
value
image
difference
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
Application number
CN201810188006.4A
Other languages
English (en)
Inventor
李仁贵
吴昭畿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Taipei University of Technology
Original Assignee
National Taipei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Taipei University of Technology filed Critical National Taipei University of Technology
Priority to CN201810188006.4A priority Critical patent/CN110236509A/zh
Publication of CN110236509A publication Critical patent/CN110236509A/zh
Pending legal-status Critical Current

Links

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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Cardiology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Image Analysis (AREA)

Abstract

一种于视频中实时分析生理特征的方法，起初接受一来自网际网络传输的视频影像，该视频影像经过至少一次的影像压缩；判断该视频影像中是否包含一皮肤影像区域，如有该皮肤影像区域进入下一程序；基于该视频影像中每一像素在YUV色彩空间中的Y值进行一差值权重计算，该差值权重计算是以每一该像素于连续讯框中Y值的差值与一根据该差值变化的加权数值作为计算参数，并产生多个分别对应其中一该像素的心率特征值；整合连续产生的该些心率特征值，取得为一心率信号的生理特征。

Description

于视频中实时分析生理特征的方法
技术领域
本发明涉及一种分析生理特征的方法，尤指一种可针对视频电话系统或网络摄影系统所传输的视频进行实时分析生理特征的方法。
背景技术
现今可针对影像进行生理特征的技术，如TW I492737、TW I546052、CN104768452、CN103826532、US2017/0351826、US 2016/0188830、US2014/0323888专利所揭。
但，上述专利用以分析生理特征的影像是不经过网际网络压缩传递的，也就是说，前列专利均是在摄像单元产生一视频影像的当下，即原地不经过网际网络传输，进行生理特征的分析。其因在于，网际网络虽能提供位处两地的一视频发话端以及一视频收话端进行通讯，但为确保影像传输的质量以及网络带宽的限制，现有网络影像串流系统或网络实时通讯系统均会对影像进行压缩，舍弃其彩度以降低其影像大小，但影像一经压缩后，像素成份随即改变，导致该视频收话端无法对所接收的影像进行生理特征分析，使此技术的发展受到限制。
发明内容
本发明的主要目的，在于解决现有技术仅能于视频发话端进行生理特征分析，而无法于视频收话端进行生理特征分析的问题。
为达上述目的，本发明提供一种视频中实时分析生理特征的方法，包含以下步骤：
步骤一：接受一来自网际网络传输的视频影像，该视频影像经过至少一次的影像压缩；
步骤二：判断该视频影像中是否包含一皮肤影像区域，如有该皮肤影像区域即进入下一步骤；
步骤三：基于该视频影像中每一像素在YUV色彩空间中的Y值进行一差值权重计算，该差值权重计算是以每一该像素于连续讯框中Y值的差值与一根据该差值变化的加权数值作为计算参数，并产生多个分别对应其中一该像素的心率特征值；以及
步骤四：整合连续产生的该些心率特征值，取得为一心率曲线信号的生理特征。
一实施例中，该步骤二包含一子步骤：于判断该视频影像中是否包含一皮肤影像区域之前，对该视频影像进行人体影像辨识，区分出一人脸影像部份以及一非人脸影像部份，并对该人脸影像部份进行该皮肤影像区域的判断。
一实施例中，该步骤二包含一子步骤：定义至少一参考区于该人脸影像部份之中心位置，并基于该参考区取得该人脸影像部份中所有像素于YUV色彩空间中Y值的一平均值，利用该平均值、一肤色色域上限阈值，以及一肤色色域下限阈值确认该皮肤影像区域。
一实施例中，该步骤三包含一子步骤：计算连续讯框中每一讯框于该人脸影像部份中该些像素于YUV色彩空间中的Y值介于该肤色色域上限阈值与该肤色色域下限阈值的个数的平均，产生一影像动量值，串联连续时间中的该些影像动量特征数据产生一影像动量曲线数据，并以该影像动量曲线数据产生一呼吸频率数据。
一实施例中，该步骤三包含一子步骤：判断该心率特征值的帧幅数量未达30，对该心率特征值进行一三次样条插值计算补偿，令该心率特征值的帧幅数量被补偿到30。
一实施例中，该差值为其中一该像素的Y值在当前讯框及前一讯框的差异值，每一该像素的加权数值不共享，该加权数值初始为1，该加权数值于对应的其中一该像素每产生一次该差值时加1。
一实施例中，该差值逾越一Y值变动限制条件时，舍弃该差值，不纳入该差值权重计算的计算。
一实施例中，该步骤四包含一子步骤：利用一带通滤波器对该心率曲线信号进行滤波。进一步地，该带通滤波器的低通截止频率为0.7赫兹，高通截止频率为4赫兹。又，该带通滤波器为一巴特沃兹带通滤波器。
一实施例中，该步骤四包含一子步骤：存放一设定时间内的该些心率特征值于数据队列中，并以数据队列中的该些心率特征值产生该心率曲线信号。
通过本发明前述所揭，相较于习用具有以下特点：本发明解决了现有实时视频系统于生理分析时被局限仅能在该视频发话端分析的问题。又，本发明通过分析前先确认皮肤影像区域的方式，使待分析目标明显，令计算器可以较少的效能即可完成工作。除此之外，本发明更可衍生应用于远程情绪分析、压力测试、测谎以及身份辨识等。
附图说明
图1，本发明一实施例的实施结构示意图。
图2，本发明一实施例的方法流程示意图。
图3，本发明一实施例的视频影像实施示意图。
图4，本发明一实施例的人脸影像部份示意图。
图5，本发明另一实施例的方法流程示意图。
图6-1，本发明一实施例的画面像素示意图(一)。
图6-2，本发明一实施例的差值权重表(一)。
图7-1，本发明一实施例的画面像素示意图(二)。
图7-2，本发明一实施例的差值权重表(二)。
图8-1，本发明一实施例的画面像素示意图(三)。
图8-2，本发明一实施例的差值权重表(三)。
图9，本发明再一实施例的方法流程示意图。
具体实施方式
详细说明及技术内容，现就配合图式说明如下：
请参阅图1，本发明提供一种于视频中实时分析生理特征的方法，该方法被应用于一实时视频系统10之中，所称该实时视频系统10可为一网络录像系统或一视频通话系统等，该实时视频系统10包含了位处两地的一视频发话端11及一视频收话端12，该视频发话端11与该视频收话端12是通过一网际网络20产生信息连接，该视频发话端11与该视频收话端12的界定是以产生或接受一视频影像30来判断，非为固定，该视频发话端11为产生该视频影像30者，该视频收话端12则为经该网际网络20接受该视频影像30者。再者，本发明方法所载步骤是以程序语言编程后以一计算器21实现，该计算器21可为一计算机装置或一微控制芯片等，该计算器21是被建置于该视频收话端12，亦即本发明该方法是实施于该实时视频系统10的该视频收话端12，也就是说，本发明该方法是针对经过该网际网络20传输而压缩过的该视频影像30进行生理特征分析，该实时视频系统10通过压缩该视频影像30的方式来换取较佳的网络传输速度，该视频影像30的格式可为MPEG-2、H.264、H.265、Divx、Xvid、WMA、VC-1、VP8以及VP9等视频规格。进一步地，本发明所指YUV色彩空间可进一步为Y'UV色彩空间,YcbCr色彩空间，YpbPr色彩空间的任一。
并请参阅图2，本发明该方法包含以下步骤：
步骤一(40)，接受来自该网际网络20传输的该视频影像30，该视频影像30经过至少一次的影像压缩；
步骤二(41)，判断该视频影像30中是否包含该皮肤影像区域31，如有该皮肤影像区域31即进入下一步骤；
步骤三(42)，基于该视频影像30中每一像素在YUV色彩空间中的Y值进行一差值权重计算，该差值权重计算是以每一该像素于连续讯框中Y值的差值与一根据该差值变化的加权数值作为计算参数，并产生多个分别对应其中一该像素的心率特征值；
步骤四(43)：整合连续产生的该些心率特征值，取得为一心率曲线信号的生理特征。
具体来说，本发明实施初始，设置于该视频收话端12的该计算器21经其所属的一网络端口(本图未示)，收接该视频发话端11从该网际网络20发送的该视频影像30。
此后，该计算器21可基于一分析启动指令进入到该步骤二(41)。请搭配参阅图3及图4，本发明分析是基于光体积变化描记图法(Photoplethysmography，简称PPG)实施，该光体积变化描记图法是以该视频影像30中每一像素所包含的绿色成份(即YUV中的Y)进行分析。该计算器21于分析前，首先通过影像辨识对该视频影像30进行判断，判断该视频影像30内是否包含该皮肤影像区域31，如有该皮肤影像区域31才进入该步骤三(42)。于此时，该视频影像30可为一仅包含人体皮肤(如手指)的影像，又或者是一包含人脸的影像。并请参阅图5，进一步地，当该视频影像30为包含人脸的影像时，该步骤二(41)包含一子步骤(411)：于判断该视频影像30中是否包含该皮肤影像区域31之前，对该视频影像30进行人体影像辨识，区分出一人脸影像部份32以及一非人脸影像部份33，并对该人脸影像部份32进行该皮肤影像区域31的判断。该人脸影像部份32的分辨可以是基于一人眼辨识或其他的人脸辨识技术实施。再者，该步骤二(41)更可包含一子步骤(412)：定义至少一参考区34于该人脸影像部份32之中心位置，并基于该参考区34取得该人脸影像部份32中所有像素于YUV色彩空间中Y值的一平均值，利用该平均值、一肤色色域上限阈值，以及一肤色色域下限阈值确认该皮肤影像区域31。其中，该参考区34的数量可根据实施而有调整，举例来说，该人脸影像部份32可分别于脸部颧骨位置分别设置该参考区34。又，该子步骤(412)实际上是以相似度纹理选择法确认该人脸影像部份32中包含人体肤色的地方，该皮肤影像区域31确认后可产生如图3所绘的图像。而如此实施，可降低需分析的区域，进而降低该计算器21的运算负载。再者，该肤色色域上限阈值与该肤色色域下限阈值是经过统计而产生，该肤色色域上限阈值与该肤色色域下限阈值分别以数据型态预存于该计算器21之中。更进一步说明，该子步骤(412)的该平均值可基于以下方程序取得：
其中，Skin即为该平均值，n为符合条件式i,j>WINmin and if i,j<WINmax的像素个数，i为该人脸影像部份32的高度，j为该人脸影像部份32的宽度，WINmin为该参考区34中i与j的下限范围，WINmax为该参考区34中i与j的上限范围，Value则根据所符合的条件式而为该条件式对应的值。
承上，确认皮肤影像区域31之后，即进入该步骤三(42)，于步骤三(42)实施过程中，不需将该视频影像30转为YUV色彩空间，避免再次转换造成可解析成份被再次被破坏，且YUV色彩空间中的Y值是由0.299R+0.578G+0.114B组成，而包含了绿色成份。此后，本发明对该视频影像30中每一像素进行该差值权重计算，根据心率会随时间变化而产生规则变化的特性来进行特征点的分析，并藉此删去该视频影像30中像素颜色未产生规则变化或不变化者。该差值权重计算是以每一该像素于连续讯框中Y值的差值与一根据该差值变化的加权数值作为计算参数。又，该差值权重计算是针对纳入分析的每一该像素进行独立计算，该差值为其中一该像素的Y值在当前讯框及前一讯框的差异值，每一该像素的加权数值不共享，也就是说，每一该像素的该差值权重计算不会受其他者影响。除此之外，每一该像素所用的加权数值均不相同，该计算器21内可存有一加权数值数据，以下为辅助说明本案，遂将该加权数值数据以列表的方式呈现，非用以限制本案。假设连续讯框中的初始如图6-1所示，此时的加权数值数据即如图6-2所示，均为初值状态，于本实施例中每一该加权数值的初值为1。当进入下一讯框时，该些像素的部份将因隐含有可解析成份而产生变化，如图7-1所示。此时，该计算器21基于前一讯框及当前讯框判断每一该像素是否产生变化，如有变化，即产生该差值，基于该差值变更相应的其中该加权数值，如图7-2所示，而于本实施例中，每产生一次该差值时该加权数值即加1。此后，连续讯框再进入下一讯框，如图8-1所示，并判断此讯框与前一讯框中每一该像素的变化，再次变动该加权数值，如图8-2所示。一实施例中，该差值逾越一Y值变动限制条件时，舍弃该差值，不纳入该差值权重计算的计算，举例来说，该查值大于3时，将舍弃计算。藉此，以避免影像出现大幅度变动所产生的误差，且该计算器21可设定，当舍弃该差值的行为出现，该计算器21即进行信号补偿。如此一来，在连续时间内产生有规则变化的像素，其加权数值将因变化的频繁而数值较大。此后可基于该差值权重计算的结果产生该些心率特征值，每一该心率特征值可基于以下方程序取得：
其中，Heartbeat(t)即为该心率特征值，P1(i,j)与P2(i,j)则分别代表前一讯框中该人脸影像部份32的像素点与当前讯框中该人脸影像部份32的像素点，n为该人脸影像部份32的高度，m为该人脸影像部份32的宽度，当条件式中符合YUVy(i,j)在肤色范围(即Skinmax与Skinmin)内时，Value为否则为0，W(i,j)为对应该像素位置的该加权数值。再者，当P1(i)与P2(i)有差异时该加权数值加1。
此后即进入步骤四(43)，该计算器21整合所取得的该些心率特征值之后，即可取得该心率曲线信号。进一步地，本发明于此所述整合，可为将该心率特征值进行串联，即产生图形化的心率曲线信号，而可基于该心率曲线信号取得心率，心率可基于该心率曲线信号中的一波峰产生时间差以及一波峰平均增益取得。
复请参阅图5，一实施例，该步骤四(43)更可包含一子步骤(431)：利用一带通滤波器对该心率信号进行滤波。更具体说明，该带通滤波器为建置于该计算器21内的一数字滤波器，该带通滤波器用以除去图形化的心率特征信号中的噪声。进一步地，该带通滤波器的低通截止频率为0.7赫兹，高通截止频率为4赫兹，藉此以界定该心率特征信号处于42Bpm至240Bpm心率量测范围中。又，该带通滤波器可为一巴特沃兹带通滤波器。除此之外，一实施例中，该步骤四(43)更包含一子步骤(432)：对该心率曲线信号进行一信号平滑处理。又，该信号平滑处理可以是利用一简单移动平均算法(Simple Moving Average)达成。再者，该步骤四(43)更可具有一子步骤(433)：接续该信号平滑处理之后，对该心率曲线信号进行一波形重建。具体来说，该波形重建是基于一波峰平均间距、一波峰平均间隔时间以及一波峰平均增益实施，其中该波峰平均间隔时间是指起算的其中一该波峰的起始至下一该峰波起始的时间。通过该波形重建，令该心率曲线信号中增益较小的其中一该波峰得以被修正，让后续心率的产生更加顺利。
并请参阅图5，由于本发明是实施于该实时视频系统10的该视频收话端12，该视频影像30是经过该网际网络20传输，而有封包延迟或封包遗失的问题，使该视频影像30有出现影像不全的情况，对此于一实施例中，该步骤三(42)包含一子步骤(421)：判断该心率特征值的帧幅数量未达30，对该心率特征值进行一三次样条插值计算补偿，令该心率特征值的帧幅数量被补偿到30。
复请参阅图5，一实施例中，该步骤四(43)包含一子步骤(434)：存放一设定时间内的该些心率特征值于数据队列中，并以数据队列中的该些心率特征值产生该心率信号。更具体说明，本发明该方法是以该计算器21实现，该计算器21具有一缓冲缓存器或者是一内存，且该计算器21可以该缓冲缓存器或该内存进行数据队列。当分析进行的过程中，该计算器21开始计时(如8秒)，该计算器21对计时期间所产生的每一该心率特征值进行暂存，当计时完毕后，该计算器根据当下所有存于数据队列中的该些心率特征值进行整合，并利用该些心率特征值进行每分钟心率数的推估，产生该心率信号。
另一方面，当该视频影像30包含该人脸影像部份32时，本发明亦可进行呼吸频率的分析。请参阅图9，一实施例中，该步骤三(42)包含一子步骤(422)：计算连续讯框中每一讯框于该人脸影像部份32中该些像素于YUV色彩空间中的Y值介于该肤色色域上限阈值与该肤色色域下限阈值的个数的平均，产生一影像动量值，串联连续时间中的该些影像动量特征数据产生一影像动量曲线数据，并以该影像动量曲线数据产生一呼吸频率数据。具体说明如下，该子步骤422的设计是通过判断人体呼吸时所造成轻微晃动所导致的画面像素偏移，来计算呼吸频率。又，该子步骤422可基于以下方程序实施：
其中，Signal(t)为该影像动量值，n为该人脸影像部份32的高度，m为该人脸影像部份32的宽度，当条件式中像素YUVy(i,j)符合该肤色色域上限阈值(Skinmax)与该肤色色域下限阈值(Skinmin)时，Value等于YUVG(i,j)，否则为0，k等于符合条件式的个数和。
据此，本发明有益之处除解决了该实时视频系统10的生理分析被局限于该视频发话端11的问题，更可衍生应用于远程情绪分析、压力测试、测谎以及身份辨识等。
以上已将本发明做一详细说明，惟以上所述者，仅为本发明的一较佳实施例而已，当不能以此限定本发明实施的范围，即凡依本发明申请专利范围所作的均等变化与修饰，皆应仍属本发明的专利涵盖范围内。

Claims (12)

1.一种于视频中实时分析生理特征的方法，其特征在于，包含以下步骤：
步骤一：接受一来自网际网络传输的视频影像，该视频影像经过至少一次的影像压缩；
步骤二：判断该视频影像中是否包含一皮肤影像区域，如有该皮肤影像区域即进入下一步骤；
步骤三：基于该视频影像中每一像素在YUV色彩空间中的Y值进行一差值权重计算，该差值权重计算是以每一该像素于连续讯框中Y值的差值与一根据该差值变化的加权数值作为计算参数，并产生多个分别对应其中一该像素的心率特征值；以及
步骤四：整合连续产生的该些心率特征值，取得为一心率曲线信号的生理特征。
2.如权利要求1所述的于视频中实时分析生理特征的方法，其特征在于，该步骤二包含一子步骤：于判断该视频影像中是否包含一皮肤影像区域之前，对该视频影像进行人体影像辨识，区分出一人脸影像部份以及一非人脸影像部份，并对该人脸影像部份进行该皮肤影像区域的判断。
3.如权利要求2所述的于视频中实时分析生理特征的方法，其特征在于，该步骤二包含一子步骤：定义至少一参考区于该人脸影像部份之中心位置，并基于该参考区取得该人脸影像部份中所有像素于YUV色彩空间中Y值的一平均值，利用该平均值、一肤色色域上限阈值，以及一肤色色域下限阈值确认该皮肤影像区域。
4.如权利要求3所述的于视频中实时分析生理特征的方法，其特征在于，该步骤三包含一子步骤：计算连续讯框中每一讯框于该人脸影像部份中该些像素于YUV色彩空间中的Y值介于该肤色色域上限阈值与该肤色色域下限阈值的个数的平均，产生一影像动量值，串联连续时间中的该些影像动量特征数据产生一影像动量曲线数据，并以该影像动量曲线数据产生一呼吸频率数据。
5.如权利要求1或2或3或4所述的于视频中实时分析生理特征的方法，其特征在于，该步骤三包含一子步骤：判断该心率特征值的帧幅数量未达30，对该心率特征值进行一三次样条插值计算补偿，令该心率特征值的帧幅数量被补偿到30。
6.如权利要求1或2或3或4所述的于视频中实时分析生理特征的方法，其特征在于，该差值为其中一该像素的Y值在当前讯框及前一讯框的差异值，每一该像素的加权数值不共享，该加权数值初始为1，该加权数值于对应的其中一该像素每产生一次该差值时加1。
7.如权利要求6所述的于视频中实时分析生理特征的方法，其特征在于，该差值逾越一Y值变动限制条件时，舍弃该差值，不纳入该差值权重计算的计算。
8.如权利要求1或2或3或4所述的于视频中实时分析生理特征的方法，其特征在于，该步骤四包含一子步骤：利用一带通滤波器对该心率曲线信号进行滤波。
9.如权利要求8所述的于视频中实时分析生理特征的方法，其特征在于，该带通滤波器的低通截止频率为0.7赫兹，高通截止频率为4赫兹。
10.如权利要求9所述的于视频中实时分析生理特征的方法，其特征在于，该带通滤波器为一巴特沃兹带通滤波器。
11.如权利要求1或2或3或4所述的于视频中实时分析生理特征的方法，其特征在于，该步骤四包含一子步骤：存放一设定时间内的该些心率特征值于数据队列中，并以数据队列中的该些心率特征值产生该心率曲线信号。
12.如权利要求6所述的于视频中实时分析生理特征的方法，其特征在于，该步骤四包含一子步骤：存放一设定时间内的该些心率特征值于数据队列中，并以数据队列中的该些心率特征值产生该心率曲线信号。
CN201810188006.4A 2018-03-07 2018-03-07 于视频中实时分析生理特征的方法 Pending CN110236509A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810188006.4A CN110236509A (zh) 2018-03-07 2018-03-07 于视频中实时分析生理特征的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810188006.4A CN110236509A (zh) 2018-03-07 2018-03-07 于视频中实时分析生理特征的方法

Publications (1)

Publication Number Publication Date
CN110236509A true CN110236509A (zh) 2019-09-17

Family

ID=67882548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810188006.4A Pending CN110236509A (zh) 2018-03-07 2018-03-07 于视频中实时分析生理特征的方法

Country Status (1)

Country Link
CN (1) CN110236509A (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130096439A1 (en) * 2011-10-14 2013-04-18 Industrial Technology Research Institute Method and system for contact-free heart rate measurement
US20140316293A1 (en) * 2013-04-23 2014-10-23 Microsoft Corporation Optical heartrate tracking
CN104254876A (zh) * 2012-05-01 2014-12-31 皇家飞利浦有限公司 用于从远程检测的特征信号中提取信息的设备和方法
CN104344847A (zh) * 2014-11-05 2015-02-11 中国林业科学研究院大熊猫研究中心 动物行为的检测方法、装置和系统
CN104768452A (zh) * 2012-12-04 2015-07-08 皇家飞利浦有限公司 用于获得生物的生命体征信息的设备及方法
US20150359459A1 (en) * 2013-03-12 2015-12-17 University Of Washington Through Its Center For Commercialization Systems, devices, and methods for estimating bilirubin levels
CN105451646A (zh) * 2014-05-07 2016-03-30 皇家飞利浦有限公司 用于提取生理信息的设备、系统和方法
CN106333667A (zh) * 2013-06-03 2017-01-18 飞比特公司 可佩戴心率监视器
US20170079530A1 (en) * 2014-10-29 2017-03-23 Spectral Md, Inc. Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification
TWI576088B (zh) * 2015-12-14 2017-04-01 國立臺北科技大學 穿戴式裝置之生理參數監測方法
JP6189511B2 (ja) * 2011-09-01 2017-08-30 エムシー１０ インコーポレイテッドＭｃ１０，Ｉｎｃ． 組織の状態を検出する電子装置
US20170339409A1 (en) * 2016-05-23 2017-11-23 Intel Corporation Fast and robust human skin tone region detection for improved video coding
US20170351826A1 (en) * 2016-06-07 2017-12-07 Mcleanics Technology Corporation MedMobile device
US9853611B2 (en) * 2014-02-28 2017-12-26 Northeastern University Instrumentation amplifier with digitally programmable input capacitance cancellation
CN107633499A (zh) * 2017-09-27 2018-01-26 广东欧珀移动通信有限公司 图像处理方法及相关产品
CN107666853A (zh) * 2015-05-21 2018-02-06 皇家飞利浦有限公司 根据视频序列确定搏动信号

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6189511B2 (ja) * 2011-09-01 2017-08-30 エムシー１０ インコーポレイテッドＭｃ１０，Ｉｎｃ． 組織の状態を検出する電子装置
US20130096439A1 (en) * 2011-10-14 2013-04-18 Industrial Technology Research Institute Method and system for contact-free heart rate measurement
CN104254876A (zh) * 2012-05-01 2014-12-31 皇家飞利浦有限公司 用于从远程检测的特征信号中提取信息的设备和方法
CN104768452A (zh) * 2012-12-04 2015-07-08 皇家飞利浦有限公司 用于获得生物的生命体征信息的设备及方法
US20150359459A1 (en) * 2013-03-12 2015-12-17 University Of Washington Through Its Center For Commercialization Systems, devices, and methods for estimating bilirubin levels
US20140316293A1 (en) * 2013-04-23 2014-10-23 Microsoft Corporation Optical heartrate tracking
CN106333667A (zh) * 2013-06-03 2017-01-18 飞比特公司 可佩戴心率监视器
US9853611B2 (en) * 2014-02-28 2017-12-26 Northeastern University Instrumentation amplifier with digitally programmable input capacitance cancellation
CN105451646A (zh) * 2014-05-07 2016-03-30 皇家飞利浦有限公司 用于提取生理信息的设备、系统和方法
US20170079530A1 (en) * 2014-10-29 2017-03-23 Spectral Md, Inc. Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification
CN104344847A (zh) * 2014-11-05 2015-02-11 中国林业科学研究院大熊猫研究中心 动物行为的检测方法、装置和系统
CN107666853A (zh) * 2015-05-21 2018-02-06 皇家飞利浦有限公司 根据视频序列确定搏动信号
TWI576088B (zh) * 2015-12-14 2017-04-01 國立臺北科技大學 穿戴式裝置之生理參數監測方法
US20170339409A1 (en) * 2016-05-23 2017-11-23 Intel Corporation Fast and robust human skin tone region detection for improved video coding
US20170351826A1 (en) * 2016-06-07 2017-12-07 Mcleanics Technology Corporation MedMobile device
CN107633499A (zh) * 2017-09-27 2018-01-26 广东欧珀移动通信有限公司 图像处理方法及相关产品

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GAMBI ENNIO: "Heart Rate Detection Using Microsoft Kinect: Validation and Comparison to Wearable Devices", 《SENSORS》 *
LI.R: "Analysis of the Contact Probe Mechanism for Micro-Coordinate Measuring Machines", 《OPTOELECTRONICS INSTRUMENTATION AND DATA PROCESSING》 *
刘蕾: "基于视频的实时心率测量算法研究", 《中国优秀硕士学位论文全文数据库》 *

Similar Documents

Publication Publication Date Title
US10972709B2 (en) Image processing method and apparatus, electronic device, and computer storage medium
US11744475B2 (en) Remote heart rate monitoring based on imaging for moving subjects
US9495582B2 (en) Digital makeup
CN103973977B (zh) 一种预览界面的虚化处理方法、装置及电子设备
EP2845168B1 (en) Device and method for extracting information from remotely detected characteristic signals
WO2016006027A1 (ja) 脈波検出方法、脈波検出プログラム及び脈波検出装置
CN103685926B (zh) 面部区域的影像处理方法以及使用此方法的电子装置
US11647913B2 (en) Image processing apparatus and pulse estimation system provided therewith, and image processing method
CN108574807A (zh) 一种影像处理方法及相关设备
CN108764181A (zh) 一种客流统计方法和装置、计算机可读存储介质
Das et al. Bvpnet: Video-to-bvp signal prediction for remote heart rate estimation
CN103997592A (zh) 视频降噪方法和系统
CN110236509A (zh) 于视频中实时分析生理特征的方法
CN112565887B (zh) 一种视频处理方法、装置、终端及存储介质
JP5569808B2 (ja) 画質評価システム、方法およびプログラム
CN110321781B (zh) 一种用于无接触式测量的信号处理方法及装置
Mehta et al. CPulse: Heart rate estimation from RGB videos under realistic conditions
JP4979083B2 (ja) 監視システム、監視方法、及びプログラム
KR102468654B1 (ko) 보정된 이미지 기반 심박 추정 방법 및 그 장치
JP4694461B2 (ja) 撮像装置、撮像方法、監視システム、監視方法、及びプログラム
JP2021045375A (ja) 生体情報検出装置及び生体情報検出方法
JP2019170407A (ja) 信号制御装置、信号制御プログラム、及び信号制御方法
CN114869260A (zh) 一种面向压缩视频的心率检测方法
Zou et al. Feature signal resampling for rPPG-based remote cardiac pulse measurement with streaming video
US20130321663A1 (en) Image processing device, image processing method and program product

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: 20190917