CN110236515A - 一种基于近红外视频的非接触式心率检测方法 - Google Patents
一种基于近红外视频的非接触式心率检测方法 Download PDFInfo
- Publication number
- CN110236515A CN110236515A CN201910653439.7A CN201910653439A CN110236515A CN 110236515 A CN110236515 A CN 110236515A CN 201910653439 A CN201910653439 A CN 201910653439A CN 110236515 A CN110236515 A CN 110236515A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- frame image
- pixel mean
- isolated component
- single channel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000012880 independent component analysis Methods 0.000 claims abstract description 7
- 238000000926 separation method Methods 0.000 claims abstract description 6
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims description 13
- 230000001815 facial effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000002035 prolonged effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 17
- 238000011160 research Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000001808 Ceanothus spinosus Nutrition 0.000 description 1
- 241001264786 Ceanothus spinosus Species 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000002802 cardiorespiratory effect Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
- A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于近红外视频的非接触式心率检测的方法，其步骤包括：首先获取近红外视频中包含人脸感兴趣区域的图像序列，并计算每帧图像人脸感兴趣区域内所有像素点的像素均值，得到单通道像素均值时间序列；其次对经过预处理的单通道像素均值时间序列进行时间延迟得到动态嵌入矩阵；之后对动态嵌入矩阵采用盲源分离方法进行独立成分分析得到多个独立分量；最后对这些独立分量进行功率谱分析，确定包含心率信息的独立分量并得到心率检测值。本发明提供了一种基于时间延迟的独立成分分析的近红外视频心率检测的新方法，为基于视频的生理参数检测的实际应用提供了解决方案。
Description
技术领域
本发明主要涉及医学信息检测技术领域，特别涉及一种基于近红外视频的非接触式心率检测方法。
背景技术
心率作为人体一项重要的生命体征，是指单位时间内心脏搏动的次数，一般是每分钟心脏搏动的次数，是评价心血管功能的一项重要指标，对慢性疾病的诊断、治疗和监护等具有重要意义。
目前心率的测量方法多种多样，按照心率检测时是否需要与人体接触可以分为接触式与非接触式两类。接触式检测方法中比较典型的有传统的把脉方法和现代的各种利用与人体接触的传感器、电极来测量心率的方法。接触式心率测量要求心率检测设备与被检测者发生一定的物理接触，这在一定程度上限制了人体的活动，也不适用于皮肤容易过敏的患者(尤其是新生儿)和处于运动过程中的运动员，并且传统的接触式心率测量方法有着设备复杂和操作繁琐的局限性，因此研究更为便捷和低成本的心率测量方法有着重要实际意义。非接触式的心率检测方法能够克服以上所述接触式心率检测方法的缺点，由于不需要与人体接触，在生理信号检测时能够保持信号的自然性。随着视频技术的发展，从人脸视频中提取心率是当前研究的热点。这一技术的原理也称远程光电容积脉搏波描记法(Remote Photoplethysmog-raphy，rPPG)，利用相机捕捉因血液流动而导致的皮肤颜色的变化，从而提取心率。但是迄今为止，在绝大多数利用视频检测心率的研究中，使用的是彩色视频，然而彩色摄像头并不适用于夜晚环境或者昏暗环境光的情况。
发明内容
本发明为克服现有技术的不足之处，提出了一种基于近红外视频的非接触式心率检测方法，以期能提高基于近红外视频的心率检方法的鲁棒性，从而拓展了rPPG的应用范围，使得在夜晚或者昏暗环境光情况下提取心率成为可能。
本发明解决所述技术问题采用的技术方案如下：
本发明一种基于近红外视频的非接触式心率检测方法的特点是按如下步骤进行：
步骤1：利用近红外摄像机获取一段包含人脸图像的近红外视频，记所述近红外视频的帧率为F、时长为W；
步骤2：获取所述近红外视频中包含人脸区域的N帧图像，记为I＝[I1,I2,…,In,…,IN]；其中，In为第n帧图像，n＝1,2,…,N，且N＝W×F；
步骤3：采用人脸特征点检测和跟踪算法对所述第n帧图像In进行人脸区域的提取，并根据生理比例关系得到第n帧图像In的人脸感兴趣区域ROIn，从而得到N帧图像的人脸感兴趣区域序列ROI＝[ROI1,ROI2,…,ROIn,…,ROIN]；
步骤4：计算第n帧图像In的人脸感兴趣区域ROIn的像素均值xn，从而获得N帧图像的的像素均值所组成的单通道像素均值时间序列X＝[x1,x2,…,xn,…,xN]；
步骤5：对单通道像素均值时间序列X进行去趋势、幅值归一化以及带通滤波处理，得到预处理后的单通道像素均值时间序列为X′＝[x′1,x′2,…,x′n,…,x′N]；其中，x′n为预处理后的第n帧图像的单通道像素均值；
步骤6：对预处理后的第k帧图像的单通道像素均值x′k进行时间延迟处理，构建M维的延迟矢量k＝1+(M-1)T,2+(M-1)T,…N，其中，M表示嵌入维数，T代表延迟时间，为第m个延迟分量，表示预处理后的第k-(m-1)T帧图像的单通道像素均值x′k-(m-1)T，从而得到预处理后的单通道像素均值序列X′的动态嵌入矩阵
步骤7：采用盲源分离算法中的独立成分分析方法对动态嵌入矩阵Y进行分解，得到P个独立分量S＝[S1,S2,…,Sp,…SP]，Sp表示第p个独立分量，1≤p≤M；
步骤8：定义候选独立分量集并初始化为空，初始化p＝1；
步骤9：对第p个独立分量Sp进行功率谱分析，得到第p个功率谱图中最大幅值及最大幅值所对应的频率分量，判断第p个功率谱图中的频率分量是否处于所设定的感兴趣的心率范围，若处于，则将第p个独立分量加入所述候选独立分量集中，否则执行步骤10；
步骤10：将p+1值赋给p后，并判断p＞P是否成立，若成立，则表示得到最终的候选独立分量集，否则返回步骤9；
步骤11：比较最终的候选独立分量集中每个独立分量的功率谱的最大幅值，选取最大值所对应的独立分量作为最佳独立分量，且最佳独立分量的最大幅值对应的频率记为f，则心率检测值即为HR＝f×t，t为检测时间。
与已有技术相比，本发明有益效果体现在：
心血管和心肺呼吸系统本质上属于非线性动力系统，在非线性动力系统的观点内，观测信号作为非线性时间序列是许多因素相互作用的综合结果，蕴含着参与运动的全部信息变化。在本发明方法中，通过时间延迟构建动态嵌入矩阵，重构状态空间，一方面将观测信号由低维时间序列扩展到高维相空间中，再从高维相空间中获取信号的动力学特征和系统吸引子，充分显露出时间序列中蕴藏的的信息；另一方面，独立成分分析的输入需要多通道的数据，而近红外视频的像素均值序列为单通道数据，利用时间延迟构建动态嵌入矩阵重构状态空间可以将单通道数据变成多通道数据，便于与在信号去噪领域有着优秀性能的盲源分离方法相结合，进一步提高了心率检测的准确性。综上所述，时间延迟重构状态空间与独立成分分析的结合很好地解决了欠维数的问题，是一种保证信号的动力学特征和系统吸引子不被破坏，而充分利用信号自身特征来实现观测数据序列的去噪方法。
附图说明
图1为本发明方法的流程图；
图2为本发明人脸ROI区域示意图；
图3为本发明脸部ROI区域单通道像素均值图像；
图4为本发明预处理后得到的单通道像素均值时间序列图；
图5a为本发明FastICA分解后得到的第1个独立分量的图像；
图5b为本发明FastICA分解后得到的第2个独立分量的图像；
图5c为本发明FastICA分解后得到的第3个独立分量的图像；
图6a为本发明FastICA分解后得到的第1个独立分量的功率谱图；
图6b为本发明FastICA分解后得到的第2个独立分量的功率谱图；
图6c为本发明FastICA分解后得到的第3个独立分量的功率谱图。
具体实施方式
本实施例中，一种近红外视频的非接触式心率检测方法，如图1所示，首先获取近红外视频中包含人脸感兴趣区域的图像序列，并计算每帧图像人脸感兴趣区域内所有像素点的像素均值，得到单通道像素均值时间序列；其次对经过预处理的单通道像素均值时间序列进行时间延迟得到动态嵌入矩阵；之后对动态嵌入矩阵采用盲源分离方法进行独立成分分析得到多个独立分量；最后对这些独立分量进行功率谱分析，确定包含心率信息的独立分量并得到心率检测值。具体的说，以一段时长为30s的近红外视频数据来说明，是按照如下步骤进行：
步骤1：利用近红外摄像机获取一段包含人脸图像的近红外视频，记近红外视频的帧率为F、时长为W。本实例中的近红外视频数据来自于公共数据集‘DROZY’，其中F＝30帧/秒，W＝30秒；
步骤2：获取近红外视频中包含人脸区域的N帧图像，记为I＝[I1,I2,…,In,…,IN]；其中，In为第n帧图像，n＝1,2,…,N，且N＝W×F；
步骤3：采用人脸特征点检测和跟踪算法对第n帧图像In进行人脸区域的提取，并根据生理比例关系得到第n帧图像In的人脸感兴趣区域ROIn，从而得到N帧图像的人脸感兴趣区域序列ROI＝[ROI1,ROI2,…,ROIn,…,ROIN]，如图2所示，矩形框内的区域为选择的ROI区域，根据大量已有研究表明，脸颊部位提取到的信号受噪声影响更小，更有利于获取精确的心率检测值；
步骤4：计算第n帧图像In的人脸感兴趣区域ROIn的像素均值xn，从而获得N帧图像的的像素均值所组成的单通道像素均值时间序列X＝[x1,x2,…,xn,…,xN]，如图3所示为脸部ROI区域的单通道像素均值图像；
步骤5：对单通道像素均值时间序列X进行去趋势、幅值归一化以及带通滤波处理，得到预处理后的单通道像素均值时间序列为X′＝[x′1,x′2,…,x′n,…,x′N]；其中，x′n为预处理后的第n帧图像的单通道像素均值。去趋势的目的在于消除传感器在获取数据时产生的偏移对后期计算产生的影响，幅值归一化是为了简化计算，而带通滤波的目的是过滤掉一部分不属于心率范围的高频和低频信号。本实例中，带通滤波采用的是巴特沃斯滤波器，其频率选择范围是0.7-2.5Hz，主要原因是人类心率一般所处的频率范围为0.7-2.5Hz。预处理后得到的时间序列如图4所示；
步骤6：根据相空间重构理论，对预处理后的第k帧图像的单通道像素均值x′k进行时间延迟处理，构建M维的延迟矢量k＝1+(M-1)T,2+(M-1)T,…N，其中，M表示嵌入维数，T代表延迟时间，表示第m个延迟分量，即为预处理后的第k-(m-1)T帧图像的单通道像素均值x′k-(m-1)T，从而得到预处理后的单通道像素均值序列X′的动态嵌入矩阵
本实例中T＝1，M＝3；
步骤7：采用盲源分离算法中的独立成分分析方法对动态嵌入矩阵Y进行分解，得到P个独立分量S＝[S1,S2,…,Sp,…SP]，Sp表示第p个独立分量，1≤p≤M。本实例中采用的是FastICA(固定点算法)方法进行信号的分解，P＝3，得到的3个独立分量分别如图5a、图5b、图5c所示；
步骤8：定义候选独立分量集并初始化为空，初始化p＝1；
步骤9：对第p个独立分量Sp进行功率谱分析，得到第p个功率谱图中最大幅值及最大幅值所对应的频率分量，判断第p个功率谱图中的频率分量是否处于所设定的感兴趣的心率范围，若处于，则将第p个独立分量加入候选独立分量集中，否则执行步骤10。本实例中，设定的感兴趣范围为0.7-2.5Hz，对应心率为42bpm到150bpm，由图可以看出第2个和第3个独立分量的最大幅值随对应的频率处于感兴趣心率范围内，构成候选独立分量。独立分量的功率谱图分别如图6a、图6b、图6c所示；
步骤10：将p+1值赋给p后，并判断p＞P是否成立，若成立，则表示得到最终的候选独立分量集，否则返回步骤9；
步骤11：比较最终的候选独立分量集中每个独立分量的功率谱的最大幅值，选取最大值所对应的独立分量作为最佳独立分量，且最佳独立分量的最大幅值对应的频率记为f，则心率检测值即为HR＝f×t，t为检测时间。本实例中，由图6b、图6c可以看出，第3个独立分量为最佳独立分量且最佳独立分量的最大幅值对应的频率为f＝1.27，t＝60，因此心率检测值为HR＝f×t＝76.2，而这段视频中受试者的心率真值为76，可以看出非常接近。
为了验证该发明中近红外视频心率检测算法的鲁棒性，将得到的心率检测值与公共数据集上得到的心率真值进行比较，并计算相关统计数据，包括平均误差、标准差、均方根误差与平均误差率。表1给出了公共数据集‘DROZY’中19个近红外视频在同一时间片段(30-60s)的统计结果，并和现有近红外视频心率检测研究中经常使用的集合经验模态分解(EEMD)算法的结果进行了对比。
表1两种方法得到的心率检测结果的统计数据
从表1可以看出，在平均误差和平均误差率上，时间延迟FastICA算法的结果相比较于EEMD算法的结果分别下降了47.96％与50.85％，在标准差与均方根误差上，时间延迟FastICA算法的结果相比较于EEMD算法的结果也有不同程度的降低。不难发现，本发明中提出的时间延迟FastICA算法在各方面性能都优于EEMD算法，具有更好的鲁棒性。
综上所述，本发明中提出的新的近红外视频心率检测方法能够较为准确的从近红外视频中提取心率，具有良好的鲁棒性，为非接触式心率测量提供了更加准确的算法。
Claims (1)
1.一种基于近红外视频的非接触式心率检测方法，其特征是按如下步骤进行：
步骤1：利用近红外摄像机获取一段包含人脸图像的近红外视频，记所述近红外视频的帧率为F、时长为W；
步骤2：获取所述近红外视频中包含人脸区域的N帧图像，记为I＝[I1,I2,…,In,…,IN]；其中，In为第n帧图像，n＝1,2,…,N，且N＝W×F；
步骤3：采用人脸特征点检测和跟踪算法对所述第n帧图像In进行人脸区域的提取，并根据生理比例关系得到第n帧图像In的人脸感兴趣区域ROIn，从而得到N帧图像的人脸感兴趣区域序列ROI＝[ROI1,ROI2,…,ROIn,…,ROIN]；
步骤4：计算第n帧图像In的人脸感兴趣区域ROIn的像素均值xn，从而获得N帧图像的的像素均值所组成的单通道像素均值时间序列X＝[x1,x2,…,xn,…,xN]；
步骤5：对单通道像素均值时间序列X进行去趋势、幅值归一化以及带通滤波处理，得到预处理后的单通道像素均值时间序列为X′＝[x′1,x′2,…,x′n,…,x′N]；其中，x′n为预处理后的第n帧图像的单通道像素均值；
步骤6：对预处理后的第k帧图像的单通道像素均值x′k进行时间延迟处理，构建M维的延迟矢量k＝1+(M-1)T,2+(M-1)T,…N，其中，M表示嵌入维数，T代表延迟时间，为第m个延迟分量，表示预处理后的第k-(m-1)T帧图像的单通道像素均值x′k-(m-1)T，从而得到预处理后的单通道像素均值序列X′的动态嵌入矩阵
步骤7：采用盲源分离算法中的独立成分分析方法对动态嵌入矩阵Y进行分解，得到P个独立分量S＝[S1,S2,…,Sp,…SP]，Sp表示第p个独立分量，1≤p≤M；
步骤8：定义候选独立分量集并初始化为空，初始化p＝1；
步骤9：对第p个独立分量Sp进行功率谱分析，得到第p个功率谱图中最大幅值及最大幅值所对应的频率分量，判断第p个功率谱图中的频率分量是否处于所设定的感兴趣的心率范围，若处于，则将第p个独立分量加入所述候选独立分量集中，否则执行步骤10；
步骤10：将p+1值赋给p后，并判断p＞P是否成立，若成立，则表示得到最终的候选独立分量集，否则返回步骤9；
步骤11：比较最终的候选独立分量集中每个独立分量的功率谱的最大幅值，选取最大值所对应的独立分量作为最佳独立分量，且最佳独立分量的最大幅值对应的频率记为f，则心率检测值即为HR＝f×t，t为检测时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910653439.7A CN110236515A (zh) | 2019-07-19 | 2019-07-19 | 一种基于近红外视频的非接触式心率检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910653439.7A CN110236515A (zh) | 2019-07-19 | 2019-07-19 | 一种基于近红外视频的非接触式心率检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110236515A true CN110236515A (zh) | 2019-09-17 |
Family
ID=67892867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910653439.7A Pending CN110236515A (zh) | 2019-07-19 | 2019-07-19 | 一种基于近红外视频的非接触式心率检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110236515A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540169A (zh) * | 2020-04-24 | 2020-08-14 | 重庆城市管理职业学院 | 一种基于智能行为监测的公交车危险报警方法和系统 |
| CN111568425A (zh) * | 2020-06-08 | 2020-08-25 | 北京大学 | 一种非接触式的多人呼吸检测方法 |
| CN111685730A (zh) * | 2020-05-13 | 2020-09-22 | 深圳市科思创动科技有限公司 | 非接触式生理参数检测方法、系统、终端设备及存储介质 |
| CN111839489A (zh) * | 2020-05-26 | 2020-10-30 | 合肥工业大学 | 非接触式生理心理健康检测系统 |
| CN112017155A (zh) * | 2020-07-13 | 2020-12-01 | 浙江大华汽车技术有限公司 | 健康体征数据的测量方法、装置、系统和存储介质 |
| CN112580612A (zh) * | 2021-02-22 | 2021-03-30 | 中国科学院自动化研究所 | 一种生理信号预测方法 |
| CN112869737A (zh) * | 2021-02-01 | 2021-06-01 | 浙江大学山东工业技术研究院 | 一种非接触式人体血氧饱和度检测方法 |
| CN113876354A (zh) * | 2021-09-30 | 2022-01-04 | 深圳信息职业技术学院 | 胎心率信号的处理方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104055498A (zh) * | 2014-04-30 | 2014-09-24 | 首都医科大学 | 一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法 |
| US20150379706A1 (en) * | 2014-06-25 | 2015-12-31 | Dräger Medical GmbH | Device and method for processing tomographic data |
| CN108272448A (zh) * | 2018-03-29 | 2018-07-13 | 合肥工业大学 | 一种非接触式的婴儿生理参数昼夜监护方法 |
-
2019
- 2019-07-19 CN CN201910653439.7A patent/CN110236515A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104055498A (zh) * | 2014-04-30 | 2014-09-24 | 首都医科大学 | 一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法 |
| US20150379706A1 (en) * | 2014-06-25 | 2015-12-31 | Dräger Medical GmbH | Device and method for processing tomographic data |
| CN108272448A (zh) * | 2018-03-29 | 2018-07-13 | 合肥工业大学 | 一种非接触式的婴儿生理参数昼夜监护方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李章勇等: "心动周期信号中独立成分的分离", 《生物医学工程学杂志》 * |
| 邓强等: "基于人脸视频图像的心率检测研究与实现", 《中国优秀硕士学位论文数据库基础科学辑》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540169A (zh) * | 2020-04-24 | 2020-08-14 | 重庆城市管理职业学院 | 一种基于智能行为监测的公交车危险报警方法和系统 |
| CN111685730A (zh) * | 2020-05-13 | 2020-09-22 | 深圳市科思创动科技有限公司 | 非接触式生理参数检测方法、系统、终端设备及存储介质 |
| CN111839489B (zh) * | 2020-05-26 | 2021-04-13 | 合肥工业大学 | 非接触式生理心理健康检测系统 |
| CN111839489A (zh) * | 2020-05-26 | 2020-10-30 | 合肥工业大学 | 非接触式生理心理健康检测系统 |
| CN111568425A (zh) * | 2020-06-08 | 2020-08-25 | 北京大学 | 一种非接触式的多人呼吸检测方法 |
| CN111568425B (zh) * | 2020-06-08 | 2021-08-03 | 北京大学 | 一种非接触式的多人呼吸检测方法 |
| CN112017155A (zh) * | 2020-07-13 | 2020-12-01 | 浙江大华汽车技术有限公司 | 健康体征数据的测量方法、装置、系统和存储介质 |
| CN112017155B (zh) * | 2020-07-13 | 2023-12-26 | 浙江华锐捷技术有限公司 | 健康体征数据的测量方法、装置、系统和存储介质 |
| CN112869737A (zh) * | 2021-02-01 | 2021-06-01 | 浙江大学山东工业技术研究院 | 一种非接触式人体血氧饱和度检测方法 |
| CN112580612A (zh) * | 2021-02-22 | 2021-03-30 | 中国科学院自动化研究所 | 一种生理信号预测方法 |
| CN112580612B (zh) * | 2021-02-22 | 2021-06-08 | 中国科学院自动化研究所 | 一种生理信号预测方法 |
| US11227161B1 (en) | 2021-02-22 | 2022-01-18 | Institute Of Automation, Chinese Academy Of Sciences | Physiological signal prediction method |
| CN113876354A (zh) * | 2021-09-30 | 2022-01-04 | 深圳信息职业技术学院 | 胎心率信号的处理方法、装置、电子设备及存储介质 |
| CN113876354B (zh) * | 2021-09-30 | 2023-11-21 | 深圳信息职业技术学院 | 胎心率信号的处理方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110236515A (zh) | 一种基于近红外视频的非接触式心率检测方法 | |
| CN107529646B (zh) | 一种基于欧拉影像放大的无接触式心率测量方法及装置 | |
| Tasli et al. | Remote PPG based vital sign measurement using adaptive facial regions | |
| CN105678780B (zh) | 一种去除环境光变化干扰的视频心率检测方法 | |
| CN102488508B (zh) | 一种基于图像捕获的心率测量方法 | |
| Blöcher et al. | An online PPGI approach for camera based heart rate monitoring using beat-to-beat detection | |
| 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 | |
| Zhang et al. | Simultaneous detection of blink and heart rate using multi-channel ICA from smart phone videos | |
| CN106999062A (zh) | 基于人体微动而提取心脏信息的方法 | |
| CN111714088B (zh) | 基于中医原理的人体特征指标检测方法和系统 | |
| CN112294282A (zh) | 基于rppg的情绪检测装置的自标定方法 | |
| CN203290905U (zh) | 非接触式自动呼吸测量系统 | |
| Yin et al. | Heart rate estimation based on face video under unstable illumination | |
| Lin et al. | Detection of multipoint pulse waves and dynamic 3D pulse shape of the radial artery based on binocular vision theory | |
| CN110084085A (zh) | 基于成形信号的rppg高精度心率检测方法 | |
| CN110477867A (zh) | 一种动物电刺激疼痛评估测试系统及评估测试方法 | |
| CN110353646A (zh) | 非接触式心率检测方法 | |
| Li et al. | An improvement for video-based heart rate variability measurement | |
| CN106096544B (zh) | 基于二阶盲辨识的非接触式眨眼与心率联合检测系统及方法 | |
| CN105708441B (zh) | 可佩戴指套及心电图和脉象采集终端 | |
| Suriani et al. | Non-contact facial based vital sign estimation using convolutional neural network approach | |
| Suriani et al. | Facial video based heart rate estimation for physical exercise | |
| CN114271800A (zh) | 一种办公环境下的非侵扰式连续血压监测方法及应用 | |
| CN114246570A (zh) | 峰值信噪比和皮尔森相关系数融合的近红外心率检测方法 | |
| Pansare et al. | Heart Rate Measurement from Face and Wrist Video |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |