CN111179454A - 签到和生理参数检测系统及其控制方法 - Google Patents

签到和生理参数检测系统及其控制方法 Download PDF

Info

Publication number
CN111179454A
CN111179454A CN201911255360.5A CN201911255360A CN111179454A CN 111179454 A CN111179454 A CN 111179454A CN 201911255360 A CN201911255360 A CN 201911255360A CN 111179454 A CN111179454 A CN 111179454A
Authority
CN
China
Prior art keywords
face
physiological parameter
image
check
detecting
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
CN201911255360.5A
Other languages
English (en)
Inventor
林霖
曾旭
王涛
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.)
Shenzhen Technology University
Original Assignee
Shenzhen Technology University
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 Shenzhen Technology University filed Critical Shenzhen Technology University
Priority to CN201911255360.5A priority Critical patent/CN111179454A/zh
Publication of CN111179454A publication Critical patent/CN111179454A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
    • 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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Cardiology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Optics & Photonics (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种签到和生理参数检测系统及其控制方法，所述系统包括：摄像头，用于采集图像；显示单元，用于显示摄像头拍摄的图像以及用于显示提示检测位置的提示信息；处理模块，用于获取所述图像，检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数；其中，所述生理参数包括心率、血氧饱和度、心率变异性和血压中的至少一种。本发明通过图像检测的方法实现签到和生理参数的测量，可以方便和卫生地实现签到和生理参数测量。本发明可以广泛应用于智能设备领域。

Description

签到和生理参数检测系统及其控制方法
技术领域
本发明涉及智能设备领域，尤其是一种签到和生理参数检测系统及其控制方法。
背景技术
体育运动是学生的必修课程，也是增加学生身体素质的重要途径。因此，越来越多的学校甚至是公司，都要求学生或者员工进行体育训练，并为此进行打卡考勤。
签到系统已经广泛应用在学校和公司等，其中签到系统的识别凭证包括磁卡、IC卡、密码和指纹等。对于签到系统而言，磁卡和IC卡等容易丢失，而密码和指纹等均需要通过接触方式输入，在诸如体育运动场所等公共地方，容易滋生细菌。
而如果想监测人们在体育锻炼前后的生理参数变化，只能通过穿戴式设备，或者采用诸如血压计等传统测量工具进行测量。然而，为每个人派发穿戴式设备的成本较高，而采用传统的设备进行生理参数的测量，不仅效率低，而且共用接触式测量设备，容易滋生细菌。
发明内容
为解决上述技术问题的至少之一，本发明的目的在于：提供一种签到和生理参数检测系统及其控制方法，以非接触式的方式实现签到，并且采集生理参数。
第一方面，本发明实施例提供了：
一种签到和生理参数检测系统，包括：
摄像头，用于采集图像；
显示单元，用于显示摄像头拍摄的图像以及用于显示提示检测位置的提示信息；
处理模块，用于获取所述图像，检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数；
其中，所述生理参数包括心率、血氧饱和度、心率变异性和血压中的至少一种。
进一步，所述检测所述图像中的人脸并根据人脸的检测结果进行签到，其具体包括：
检索所述图像中的人脸区域，对人脸区域进行特征提取；
将从人脸区域中的提取特征上传到云服务器进行匹配；
当匹配到相似度大于设定阈值的预置人脸图片后，判定所述阈值人脸图片对应的用户签到成功。
进一步，当检测的生理参数是心率时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
截取脸部感兴趣区域的连续彩色图像；
根据脸部感兴趣区域的连续彩色图像，得到脉搏波；
分析脉搏波的拍间间隔，根据拍间间隔得到心率。
进一步，当检测的生理参数是心率变异性时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
截取脸部感兴趣区域的连续彩色图像；
根据脸部感兴趣区域的连续彩色图像，得到脉搏波；
分析脉搏波的拍间间隔，根据脉搏波的拍间间拍，利用功率谱估计模型进行功率谱估计，从而确定出心率变异性。
进一步，当检测的生理参数是血压时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
截取脸部感兴趣区域和掌部区域的连续彩色图像；
根据脸部感兴趣区域和掌部区域的连续彩色图像，得到脸部的和掌部的脉搏波；
根据脸部的和掌部的脉搏波之间的相位差，确定出脉搏波传导时间；
根据脉搏波传导时间得到血压。
进一步，所述脉搏波通过以下方式处理得到：
对连续彩色图像分解为红绿蓝三种信号，并对绿色信号进行空间平均；
采用截止频率为0.8Hz的高通滤波器，对绿色信号进行去趋势滤波，并用原绿色信号减去经过平均的绿色信号的差除以原绿色信号的标准差进行归一化，得到脉搏波。
进一步，还包括光圈，所述光圈用于发射红外光和红光；
当检测的生理参数是血氧饱和度时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
采用红光和红外光对用户面部进行照射；
截取面部感兴趣区域的连续图像；
根据面部感兴趣区域的连续图像，分别得到红光和红外光接收的时域图中的脉搏波；
在红光和红外光接收的时域图中的脉搏波中，采用空间平均法，分别找出红光峰值和峰谷，以及和红外光的峰值和峰谷；
根据红光峰值和峰谷，以及和红外光的峰值和峰谷，得到血氧饱和度值。
进一步，所述红光的波长属于600纳米波段；所述红外光的波长属于900纳米波段。
第二方面，本发明实施例提供了：
一种签到和生理参数检测系统的控制方法，包括以下步骤：
获取图像；
检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数；
其中，所述生理参数包括心率、血氧饱和度、心率变异性和血压中的至少一种。
进一步，所述检测所述图像中的人脸并根据人脸的检测结果进行签到，其具体包括：
检索所述图像中的人脸区域，对人脸区域进行特征提取；
将从人脸区域中的提取特征上传到云服务器进行匹配；
当匹配到相似度大于设定阈值的预置人脸图片后，判定所述阈值人脸图片对应的用户签到成功。
本发明实施例的有益效果是：本发明通过采集图像，对图像中的人脸进身份识别，并且根据图像中的一个或者多个感兴趣区域来检测生理参数，可以实现非接触式的签到和生理参数检测，相对于现有技术更加方便和卫生。
附图说明
图1为本发明一种具体实施例的签到和生理参数检测系统的模块框图；
图2为本发明一种具体实施例的签到和生理参数检测系统的控制方法的流程图。
具体实施方式
下面结合说明书附图和具体的实施例对本发明进行进一步的说明。
参照图1，本实施例公开了一种签到和生理参数检测系统，其包括：摄像头、显示单元、处理模块和光圈。
其中，摄像头，用于采集图像；
具体地，所述摄像头采用拍摄频率为500Hz以上的高清摄像头，最好分辨率在1080P以上，摄像头的数量至少为一个。
显示单元，用于显示摄像头拍摄的图像以及用于显示提示检测位置的提示信息。
所述显示单元可以采用显示屏实现，其用于实时显示摄像头所拍摄的内容，并且显示一些提示用户的信息，例如人脸框、手掌框和提示文字等。当一个人站在摄像头面前时，可以根据提示信息调整自己的人脸和掌部位置，以便于完成检测。当然也用于显示检测结果，例如签到是否成功，生理参数的测量数据等。
处理模块，用于获取所述图像，检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数。
所述处理模块，由至少一个处理器和存储器实现，其可以仅有一个处理器和一个存储器，其也可以由前端处理器和后端服务器构成，所述服务器设有数据库。
而处理模块包括两个功能，其中之一是实现人脸识别，人脸识别过程如下：
本实施例的人脸检测算法可以是基于LBP特征的AdaBoost算法和基于Haar特征的AdaBoost算法。两者都能很好的检测出人脸，但是基于Haar特征的AdaBoost人脸检测比基于LBP特征的AdaBooat人脸检测方法特征描述更完整，基于LBP特征的AdaBoost人脸检测方法的实时性比较好。本实施例采用基于LBP特征的AdaBooat人脸检测方法。识别到人脸区域后，利用基于显式形状回归的人脸配准对人脸关键特征点进行定位。在人脸配准的基础上通过相似度估计完成与云端服务器的已录入的人脸图片进行比对，相似度大于设置阈值时判定为签到成功。
即在人脸识别时：先检索图像中的人脸区域，对人脸区域进行特征提取；然后将从人脸区域中的提取特征上传到云服务器进行匹配；当匹配到相似度大于设定阈值的预置人脸图片后，判定所述阈值人脸图片对应的用户签到成功。签到功能可以与会员付费等功能进行关联，从而为会员提供生理参数检测的服务。
在签到的同时，系统在数据库可以获取用户的预先登记的姓名、性别、身高、年龄、体重、职业和单位等。
处理模块的另一个功能是检测生理参数，其中，所述生理参数包括心率HR、血氧饱和度SPO2、心率变异性HRV和血压BP中的至少一种。检测以上生理参数的时候均通过图像的方式检测。因此本实施例可以避免多人接触，细菌滋生，本实施例也不需要用户对检测设备进行复杂的操作。相对于传统的检测方案更加方便和更加卫生。
当检测的生理参数是心率时，采用以下方式进行检测：
步骤a1、截取脸部感兴趣区域的连续彩色图像。所述兴趣区域即ROI(Region ofInteresting)。
步骤b1、根据脸部感兴趣区域的连续彩色图像，得到脉搏波。
具体地，对连续彩色图像分解为红绿蓝三种信号，并对绿色信号进行空间平均；采用截止频率为0.8Hz的高通滤波器，对绿色信号进行去趋势滤波，并用原绿色信号减去经过平均的绿色信号的差除以原绿色信号的标准差进行归一化，使用五点滑动平均滤波器和带通滤波器(128点汉明窗，0.7-4Hz)，并用三次样条函数插值，采样频率为256Hz，最终得到脉搏波。本步骤只针对绿色信号进行去趋势滤波和归一化，因为红绿蓝三色信号中，绿色信号的幅度是最强的；去趋势滤波的意义在于去除信号中缓慢变化的长期趋势分量，也称为去除基线漂移，这是因为该方法采集的信号中，除了反映心率的脉搏信号以外，还有反映呼吸节律等的缓慢变化信号，这种缓慢变化信号不利于心率的提取，因此要采用去趋势的方法把信号过滤掉。
步骤c1、分析脉搏波的拍间间隔，根据拍间间隔得到心率。
具体地，利用极值检测算法得到拍间间隔，即IBIs，心率由IBI的时间序列平均值得到。
经过前面步骤处理的绿色信号是比较干净的脉搏波信号，脉搏波是周期性的，一般认为脉搏频率与心率相等。极值检测算法的作用在于检测脉搏波信号的极值，极值间的时间差即位脉搏信号的周期。具体方法如下：设置T＝0.6s的窗口，从信号开始端设置此窗口，窗口内寻找内部的极大值并记录对应时间tface_i，窗口再向后移动一个T，在新的窗口内再寻找内部极值并记录对应时间，依次类推，每次心跳的时间都被记录下，对记录下的时间坐标，后一个减前一个得到每次的心跳间拍，其中，IBIi＝tface_i-tface_i-1，IBIi表示第i个心跳间隔。对其求平均即得到心率。平均公式为：
Figure BDA0002310102590000051
当检测的生理参数是心率变异性时，采用以下方式进行检测：
步骤a2、截取脸部感兴趣区域的连续彩色图像。
步骤b2、根据脸部感兴趣区域的连续彩色图像，得到脉搏波。
其中步骤a2和步骤b2与步骤a1和步骤b1相同。
步骤c2、分析脉搏波的拍间间隔，根据脉搏波的拍间间拍，利用功率谱估计模型进行功率谱估计，从而确定出心率变异性。
心率变异是指人体心脏搏动周期存在的微小差异，通常情况下是指逐次心跳间R波间期的微小涨落。包含了有关心血管系统神经及体液调节的大量信息，因而可以通过检测人的心率的数据得到有关自主神经系统平衡状态的信息。在采集心率的过程中，导致心率变异性HRV发生突变的可能性不是很大，因此本实施例可以检测出心率变异性。
其中，RR期间是指相邻心跳周期中R波的期间，其对应于脉搏波中的IBIs在利用脉搏波测量心率的应用中，可以把IBIs作为RR期间的代替参数。在本实施例的步骤c2中，利用现代功率谱估计中的Burg递推算法，由输入序列直接得到AR模型中的参数，利用线性预测器的前向和后向预测的总均方误差之和为最小的准侧来估计反射系数。最后由AR模型参数进行功率谱估计，公式如下：
Figure BDA0002310102590000061
其中，
Figure BDA0002310102590000062
表示：估计的功率谱结果，单位w(瓦特)，σ表示均方误差迭代最终值；H(ejΩ)表示系统函数；j表示虚部单位；n表示递增数；p表示n最终值，an表示AR模型的计算参数。
在HRV谱中，高频段HF(0.15-0.4Hz)与呼吸有关，体现迷走神经活动；低频段LF(0.04-0.15Hz)与压力感受器有关，可表现交感神经和迷走神经的联合作用；甚低频段VLF(0.0033-0.04Hz)与体温调节、外周血管舒缩活动以及肾素-血管紧张素系统有关，低频段与甚低频段主要受到交感与副交感活动的调节。
其中，所述AR模型(Autoregressive)是现代功率谱估计中一种数学模型。只有p个极点，没有零点。心率变异性HRV是一个反应了神经体液因素对心血管系统调节的信息的生理指标。其本质为逐次心跳周期差异的变化情况，因此通过分析RR间期的功率谱可计算心率变异性。其具体计算过程如下：
一、初始条件：
Figure BDA0002310102590000063
y[k]是人输入信号，N是输入总点数。
二、从p＝1开始迭代，
Figure BDA0002310102590000064
ap(n)＝ap-1(n)+ap(p)ap-1(p-n)。可以算出AR模型的参数：a1＝K1，a2＝K2等等。
Figure BDA0002310102590000065
地推得到p阶均方误差。
Kp是由前一个值ep-1 f、ep-1 b迭代得到，没有单位。
三、递推高一阶的前后向预测误差：前向预测误差为：
Figure BDA0002310102590000066
后向预测误差为：
Figure BDA0002310102590000067
前向ep f、后向ep b以及Kp是由前一个值ep-1 f、ep-1 b迭代得到，没有单位。
四、阶数小于p就加一，回到第二步进行下一次迭代，直到达到预定阶数p，即N-1。
五、用公式
Figure BDA0002310102590000071
计算功率频谱，其中，σ2和an在迭代中产生，这里的变量是Ω，即信号对应的频谱坐标。
当检测的生理参数是血压时，采取以下步骤：
步骤a3、截取脸部感兴趣区域和掌部区域的连续彩色图像。
步骤b3、根据脸部感兴趣区域和掌部区域的连续彩色图像，得到脸部的和掌部的脉搏波。
步骤a3和步骤b3可以采用如步骤a1和步骤b1相同的方法来获取脉搏波。
步骤c3、根据脸部的和掌部的脉搏波之间的相位差，确定出脉搏波传导时间。
具体地，脉搏波传导时间只指血液从心脏到脸部的传输时间减去心脏到手部的传输时间，因此可以根据掌部脉搏波和脸部脉搏波的相位差来确定脉搏波传导时间。
步骤d4、根据脉搏波传导时间得到血压。血压与脉搏波传导时间PTT之间的关系如以下公式：
Figure BDA0002310102590000072
其中，P1＝1.8mmHg,Am＝0.011cm2,ρ＝1.06g/cm3,l＝(65*h/g)cm，A＝2.77cm2,P0＝1.5*h/g。h表示用户身高，g表示年龄。用户的身高和年龄可以在人脸识别的步骤中获取。
当检测的生理参数是血氧饱和度时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
步骤a4、采用红光和红外光对用户面部进行照射；所述光圈用于发射红外光和红光；所述红光的波长属于600纳米波段；所述红外光的波长属于900纳米波段。本实施例中，红光采用660纳米的波长，而红外光采用940纳米的波长。
步骤b4、截取面部感兴趣区域的连续图像。
步骤c4、根据面部感兴趣区域的连续图像，分别得到红光和红外光接收的时域图中的脉搏波。
步骤b4和步骤c4采用类似步骤a1和步骤b1的方式，将绿色信号换更红色信号和红外信号进行分析，得到相应的脉搏波。
步骤d4、在红光和红外光接收的时域图中的脉搏波中，采用空间平均法，分别找出红光峰值和峰谷，以及和红外光的峰值和峰谷。
具体地，本实施例采用每秒500帧的平均法，找出其中峰值和谷值计算平均峰值和谷值，其中红光峰值用maxR表示，红光谷值用minR表示，红外光峰值用maxIR表示，红外光谷值用minIR表示。
步骤e4、根据红光峰值和峰谷，以及和红外光的峰值和峰谷，得到血氧饱和度值。
本实施例利用血液中血红蛋白对红光和红外光的吸收率不同，分别检测两信号的反射波形。对两种信号的脉动分量，直流分量进行计算。
采用以下公式计算R值：
Figure BDA0002310102590000081
再将R值代入经验公式得到血氧饱和度SPO2，所述经验公式为：
SpO2＝-17.552R2-10.113R+110.314。
综上所述，本申请公开的签到和生理参数检测系统可以适用于诸如体育运动场所等地方，为学生等用户提供签到及生理参数检测服务。上述实施例采用图像的方式实现签到和生理参数测量，可以提升测量效率，具有更好的便捷性和更加卫生安全。所检测的生理参数可以通过显示单元进行显示，从而让运动前后的用户可以获知自己的生理参数。
参照图2，本实施例公开了一种签到和生理参数检测系统的控制方法，应用在上述系统实施例之中，其包括以下步骤：
S201、获取图像；
S202、检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数；
其中，所述生理参数包括心率、血氧饱和度、心率变异性和血压中的至少一种。
作为优选的实施例，所述检测所述图像中的人脸并根据人脸的检测结果进行签到，其具体包括：
检索所述图像中的人脸区域，对人脸区域进行特征提取；
将从人脸区域中的提取特征上传到云服务器进行匹配；
当匹配到相似度大于设定阈值的预置人脸图片后，判定所述阈值人脸图片对应的用户签到成功。
对于上述方法实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种签到和生理参数检测系统，其特征在于：包括：
摄像头，用于采集图像；
显示单元，用于显示摄像头拍摄的图像以及用于显示提示检测位置的提示信息；
处理模块，用于获取所述图像，检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数；
其中，所述生理参数包括心率、血氧饱和度、心率变异性和血压中的至少一种。
2.根据权利要求1所述的一种签到和生理参数检测系统，其特征在于：所述检测所述图像中的人脸并根据人脸的检测结果进行签到，其具体包括：
检索所述图像中的人脸区域，对人脸区域进行特征提取；
将从人脸区域中的提取特征上传到云服务器进行匹配；
当匹配到相似度大于设定阈值的预置人脸图片后，判定所述阈值人脸图片对应的用户签到成功。
3.根据权利要求1所述的一种签到和生理参数检测系统，其特征在于：当检测的生理参数是心率时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
截取脸部感兴趣区域的连续彩色图像；
根据脸部感兴趣区域的连续彩色图像，得到脉搏波；
分析脉搏波的拍间间隔，根据拍间间隔得到心率。
4.根据权利要求1所述的一种签到和生理参数检测系统，其特征在于：当检测的生理参数是心率变异性时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
截取脸部感兴趣区域的连续彩色图像；
根据脸部感兴趣区域的连续彩色图像，得到脉搏波；
分析脉搏波的拍间间隔，根据脉搏波的拍间间拍，利用功率谱估计模型进行功率谱估计，从而确定出心率变异性。
5.根据权利要求1所述的一种签到和生理参数检测系统，其特征在于：当检测的生理参数是血压时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
截取脸部感兴趣区域和掌部区域的连续彩色图像；
根据脸部感兴趣区域和掌部区域的连续彩色图像，得到脸部的和掌部的脉搏波；
根据脸部的和掌部的脉搏波之间的相位差，确定出脉搏波传导时间；
根据脉搏波传导时间得到血压。
6.根据权利要求3-5任一项所述的一种签到和生理参数检测系统，其特征在于：所述脉搏波通过以下方式处理得到：
对连续彩色图像分解为红绿蓝三种信号，并对绿色信号进行空间平均；
采用截止频率为0.8Hz的高通滤波器，对绿色信号进行去趋势滤波，并用原绿色信号减去经过平均的绿色信号的差除以原绿色信号的标准差进行归一化，得到脉搏波。
7.根据权利要求1所述的一种签到和生理参数检测系统，其特征在于：还包括光圈，所述光圈用于发射红外光和红光；
当检测的生理参数是血氧饱和度时，所述根据所述图像中一个或者多个感兴趣区域检测生理参数，其具体为：
采用红光和红外光对用户面部进行照射；
截取面部感兴趣区域的连续图像；
根据面部感兴趣区域的连续图像，分别得到红光和红外光接收的时域图中的脉搏波；
在红光和红外光接收的时域图中的脉搏波中，采用空间平均法，分别找出红光峰值和峰谷，以及和红外光的峰值和峰谷；
根据红光峰值和峰谷，以及和红外光的峰值和峰谷，得到血氧饱和度值。
8.根据权利要求7所述的一种签到和生理参数检测系统，其特征在于：所述红光的波长属于600纳米波段；所述红外光的波长属于900纳米波段。
9.一种签到和生理参数检测系统的控制方法，其特征在于：包括以下步骤：
获取图像；
检测所述图像中的人脸并根据人脸的检测结果进行签到，以及根据所述图像中一个或者多个感兴趣区域检测生理参数；
其中，所述生理参数包括心率、血氧饱和度、心率变异性和血压中的至少一种。
10.根据权利要求9所述的一种签到和生理参数检测系统的控制方法，其特征在于：所述检测所述图像中的人脸并根据人脸的检测结果进行签到，其具体包括：
检索所述图像中的人脸区域，对人脸区域进行特征提取；
将从人脸区域中的提取特征上传到云服务器进行匹配；
当匹配到相似度大于设定阈值的预置人脸图片后，判定所述阈值人脸图片对应的用户签到成功。
CN201911255360.5A 2019-12-10 2019-12-10 签到和生理参数检测系统及其控制方法 Pending CN111179454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911255360.5A CN111179454A (zh) 2019-12-10 2019-12-10 签到和生理参数检测系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911255360.5A CN111179454A (zh) 2019-12-10 2019-12-10 签到和生理参数检测系统及其控制方法

Publications (1)

Publication Number Publication Date
CN111179454A true CN111179454A (zh) 2020-05-19

Family

ID=70646243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911255360.5A Pending CN111179454A (zh) 2019-12-10 2019-12-10 签到和生理参数检测系统及其控制方法

Country Status (1)

Country Link
CN (1) CN111179454A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022077887A1 (zh) * 2020-10-12 2022-04-21 乐普（北京）医疗器械股份有限公司 一种基于视频数据进行血压预测的系统
CN117649718A (zh) * 2024-01-29 2024-03-05 四川大学华西医院 一种用于医院的智能报到方法、设备、装置及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102973253A (zh) * 2012-10-31 2013-03-20 北京大学 一种利用视觉信息监测人体生理指标的方法和系统
CN103908236A (zh) * 2013-05-13 2014-07-09 天津点康科技有限公司 一种自动血压测量系统
CN105809415A (zh) * 2016-03-04 2016-07-27 腾讯科技（深圳）有限公司 基于人脸识别的签到系统、方法和装置
CN108272449A (zh) * 2018-01-30 2018-07-13 中国科学院电子学研究所 非接触式的血压监测方法及系统
CN110090010A (zh) * 2019-06-17 2019-08-06 北京心数矩阵科技有限公司 一种非接触式血压测量方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102973253A (zh) * 2012-10-31 2013-03-20 北京大学 一种利用视觉信息监测人体生理指标的方法和系统
CN103908236A (zh) * 2013-05-13 2014-07-09 天津点康科技有限公司 一种自动血压测量系统
CN105809415A (zh) * 2016-03-04 2016-07-27 腾讯科技（深圳）有限公司 基于人脸识别的签到系统、方法和装置
CN108272449A (zh) * 2018-01-30 2018-07-13 中国科学院电子学研究所 非接触式的血压监测方法及系统
CN110090010A (zh) * 2019-06-17 2019-08-06 北京心数矩阵科技有限公司 一种非接触式血压测量方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022077887A1 (zh) * 2020-10-12 2022-04-21 乐普（北京）医疗器械股份有限公司 一种基于视频数据进行血压预测的系统
CN117649718A (zh) * 2024-01-29 2024-03-05 四川大学华西医院 一种用于医院的智能报到方法、设备、装置及介质
CN117649718B (zh) * 2024-01-29 2024-04-23 四川大学华西医院 一种用于医院的智能报到方法、设备、装置及介质

Similar Documents

Publication Publication Date Title
Wang et al. A comparative survey of methods for remote heart rate detection from frontal face videos
EP3664704B1 (en) Device, system and method for determining a physiological parameter of a subject
US20200178809A1 (en) Device, system and method for determining a physiological parameter of a subject
US20110251493A1 (en) Method and system for measurement of physiological parameters
Qiao et al. Measuring heart rate and heart rate variability with smartphone camera
KR101738278B1 (ko) 영상을 이용한 감정 인식 방법
Casado et al. Face2PPG: An unsupervised pipeline for blood volume pulse extraction from faces
US10694959B2 (en) Image based blood pressure monitoring method
CN112232256B (zh) 一种无接触式运动及体测数据采集系统
US10238292B2 (en) Measuring multiple physiological parameters through blind signal processing of video parameters
CN111179454A (zh) 签到和生理参数检测系统及其控制方法
Fiedler et al. Fusion-based approach for respiratory rate recognition from facial video images
US9320440B2 (en) Discriminating between atrial fibrillation and sinus rhythm in physiological signals obtained from video
Karthick et al. Analysis of vital signs using remote photoplethysmography (RPPG)
KR101996027B1 (ko) 동공 크기 변화를 이용한 심장 주파수 영역의 정보 추출 방법 및 그 장치
He et al. Remote Photoplethysmography Heart Rate Variability Detection Using Signal to Noise Ratio Bandpass Filtering
CN114929101A (zh) 根据光学数据进行生理测量的系统和方法
CN112120711A (zh) 一种基于光电容积脉搏波的无创糖尿病预测系统及方法
Ben Salah et al. Contactless heart rate estimation from facial video using skin detection and multi-resolution analysis
Suriani et al. Non-contact Facial based Vital Sign Estimation using Convolutional Neural Network Approach
KR20200140469A (ko) 영상 이미지를 통해 사용자의 피부 및 건강 지표를 측정하는 방법 및 그를 이용한 장치
Li Pulse rate variability measurement with camera-based photoplethysmography
Barbieri et al. Identification and Tracking of Physiological Parameters from Skin Using Video Photoplethysmography
CN116269285B (zh) 一种非接触式常态化心率变异性估计系统
Kadam et al. Cross-platform Remote Photoplethysmography (rPPG) based Heart's Vital Signs Monitoring

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

Application publication date: 20200519

RJ01 Rejection of invention patent application after publication