CN111281367A - 一种基于人脸视频的抗干扰非接触式心率检测方法 - Google Patents
一种基于人脸视频的抗干扰非接触式心率检测方法 Download PDFInfo
- Publication number
- CN111281367A CN111281367A CN201811493140.1A CN201811493140A CN111281367A CN 111281367 A CN111281367 A CN 111281367A CN 201811493140 A CN201811493140 A CN 201811493140A CN 111281367 A CN111281367 A CN 111281367A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- color
- video
- face
- model
- 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 38
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 9
- 210000003128 head Anatomy 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 230000003068 static effect Effects 0.000 abstract description 2
- 238000013186 photoplethysmography Methods 0.000 description 5
- 238000002565 electrocardiography Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010009 beating Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 229940125723 sedative agent Drugs 0.000 description 1
- 239000000932 sedative agent Substances 0.000 description 1
- 230000037384 skin absorption Effects 0.000 description 1
- 231100000274 skin absorption Toxicity 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于人脸视频的抗干扰非接触式检测心率的方法，包括以下步骤：(1)通过摄像头获取包含人脸信息的视频图像；(2)提取感兴趣的人脸区域；(3)对感兴趣区域求取所有像素RGB各个通道数据的均值，并将其转换到亮度与颜色可以分离的颜色空间；(4)对颜色分量进行去趋势后，将其投影到颜色分量平面上获取肤色变化的椭圆模型；(5)利用RANSAC算法提取出肤色随心率投影到椭圆模型长轴上的变化；(6)对该变化进行滤波处理，并利用完备总体经验模态分解法提取出被测者的心率。本发明提供了更加快速和准确的非接触式心率检测算法，可以更加准确地测出头部处于运动或者静止状态时的心率值。
Description
说明书
技术领域
本发明属于视频图像监测领域，具体涉及一种基于人脸视频的抗干扰非接触式心率检测方法。
背景技术
心率是人体重要的生理参数指标，可以表明一个人的健康和情感状态。体育锻炼、药物以及精神压力等都会影响着心率的变化，成年人正常的安静心率平均在60-100次/分之间，在服用镇静剂等药物后会使心率减缓，而高血压、冠心病、激烈运动以及情绪波动等均会导致心率加快。因此，心率信息在医疗诊断，健康评估以及情绪识别方面有着广泛的应用，是人体重要的生命参数。
传统的心率检测方法主要依赖于电极以及传感器，而且大多数方法都需要与皮肤接触，例如心电图(ECGs)、脉搏血氧测定法以及光电容积描记技术等。在所有的心率检测方法中，心电图(ECGs)是目前心率检测的金标准，是一种接触式的心率检测方法，在测量时需要将粘性凝胶电极放置在被测者的四肢或胸部表面，测量操作步骤复杂，而且电极与皮肤的长时间接触会是被测者感到不适。非接触式的心率检测方法克服了传统方法中需要与人体相接触的缺点，可以满足一些需要非接触、长时间隐蔽监测的场景。目前非接触式的心率检测方法主要基于多普勒效应、热成像以及图像光电容积描记法(IPPG)等，基于多普勒雷达的心率检测方法，主要是使用电磁波探测人体的胸腔部位，通过回波信号的多普勒效应来获得心率信号；热成像技术主要是通过捕获浅表血管中的血液流动信息来获取心率信号；图像光电容积描记法(IPPG)主要是通过视频图像来获取心率信号，在获取视频图像时，由于心脏的周期性跳动会使人体的体表血液容积发生相应的周期性变化，从而使皮肤对光的吸收会随着心脏的跳动产生相应的周期性变化，在获取到的视频中表现为人体肤色的周期性变化，通过检测视频中人体肤色的变化即可得到心率信息。
由于图像光电容积描记法(IPPG)只需要普通摄像头即可实现心率的监测，对设备的要求不高，成本较低，并且可以很方便地进行长时间实时监测，是目前最主要的非接触式心率检测方法。但是，现有的图像光电容积描记法(IPPG)却普遍存在着检测精度低、测量速率较低、受运动和光照的影响较大等缺点。
发明内容
本发明提供了一种基于人脸视频的抗干扰非接触式检测心率的方法，通过亮度与颜色的分离去除光照与运动对心率检测造成的影响，不仅提高了头部在静止状态时心率检测的准确度，还实现了头部存在着运动情况心率的准确检测。
本发明提供了一种基于人脸视频的抗干扰非接触式检测心率的方法，所述方法的步骤如下：
步骤1：利用摄像头拍摄被测对象获取包括人脸的视频图像，在拍摄期间人的头部可以进行较大幅度的运动，同时也允许人正常进行说话，眨眼等较轻的脸部变化。
步骤2：利用训练好的人脸检测模型，对每一帧图像进行人脸识别提取出除去口部以及眼睛部分的脸部区域。
步骤3：对每一帧图像中像素不为0的像素点在RGB三个分量上进行求和以后取其平均值得到R、G以及B，再将R、G以及B转换到YIQ、YUV、YCrCb、HSV、HSL以及L*a*b*等亮度与颜色可以分离的颜色空间中，获取其对应的颜色分量，实现亮度与颜色的分离，获取每一幅图像在颜色分量上的均值。
步骤4：获取视频中所有图像帧的颜色分量随时间的变化量，对颜色分量随时间的变化进行去趋势处理，并将其投影到颜色分量平面上，获取椭圆分布模型。
步骤5：利用RANSAC算法拟合出椭圆模型的长轴，根据拟合出的长轴旋转椭圆模型，提取出肤色随心率投影到椭圆模型长轴上的变化ΔEL。
步骤6：对ΔEL利用巴特霍斯滤波器进行带通滤波处理，再使用完备总体经验模态分解法分解经过带通滤波处理后的ΔEL，计算得到的所有本证模式分量的频谱及其峰值所对应的频率v，选取频谱峰值频率在心率范围以内本征模式分量作为视频的心率成分，频率v即为被测者的心率。
本发明提供的技术方案与现有技术相比有益效果如下：提供一种基于人脸视频的抗干扰非接触式检测心率的方法，通过人脸的识别模块以及颜色空间的转换，使亮度与颜色分离，减少了光照变化与头部运动带来的干扰，提高了心率检测的准确性。通过去趋势的方法得到肤色在颜色分量空间中的椭圆模型，将肤色随心率在椭圆模型长轴上的变化看作心率信号，摒弃了传统方法中需要对RGB信号进行盲源分离的复杂步骤，降低了算法的复杂度。使用完备总体经验模态分解法分解心率信号，大大提高心率检测的精度。本发明提供了一种能够实现快速、抗干扰、高精度的非接触式心率检测算法
附图说明
图1本发明技术方案的流程图。
图2视频中人体头部分别向前、向后、向左和向右移动的实际展示图。
图3本发明中从视频提取到的人体头部分别向前、向后、向左和向右移动时的感兴趣区域。
图4本发明中从人脸感兴趣区域提取得到的求和后取其平均的RGB信号。
图5本发明中将RGB信号转换成的IQ颜色分量。
图6本发明中IQ颜色分量经过去趋势处理的结果。
图7本发明中IQ颜色分量经去趋势处理后得到的椭圆模型。
图8本发明中经过旋转后椭圆模型。
图9本发明中肤色在IQ颜色分量空间中投影在椭圆模型长轴上的心率信号。
图10本发明中使用完备总体经验模态分解法分解心率信号后得到的心率信号成分及其频谱图。
具体实施方式
为了能够更加清楚地说明本发明所述的发明目的、技术方案及其优点，下面将结合附图及实施例，对本发明进行更加详细的说明。
参照图1，本发明提供的一种基于人脸视频的抗干扰非接触式检测心率的方法，实施得具体步骤如下：
步骤1：如图2所示，在利用摄像头拍摄被测对象获取包括人脸的视频图像时，人体的头部可以进行向前、向后、向左和向右移动等较大幅度的运动，同时也允许人正常进行说话，眨眼等较轻的脸部变化。
步骤2：如图3所示，利用训练好的人脸检测模型，对于每一帧图像检测出人脸的68个检测点的位置，利用这68个检测点计算出人脸、口部以及眼睛部分的凸包，通过得到的凸包制作人脸、口部以及眼睛的掩膜，利用掩膜提取出除去口部以及眼睛部分的脸部区域。
步骤3：对每一帧图像中像素不为0的像素点的利用公式
以及
得到如图4所示的所有图像RGB三个分量平均值。通过转化矩阵
将RGB颜色空间转换到YIQ颜色空间，实现亮度与颜色的分离，获得如图5所示的所有图像在IQ颜色分量上的均值。
步骤4：利用平滑先验法对视频中所有图像帧的IQ颜色分量进行去趋势处理得到如图6所示的ΔI(t)和ΔQ(t)，并将ΔI(t)和ΔQ(t)投影到IQ颜色分量平面上，获得如图7所示的肤色随心率变化的椭圆分布模型。基于平滑先验法去趋势的公式如下：zs＝[I-(I+λ2DTD)-1]*z，其中z是初始信号，zs是去趋势以后的信号，I是单位矩阵I∈RN×N，矩阵D∈R(N -2)×N可以表示为：
步骤5：如图7所示，根据ΔI(t)和ΔQ(t)投影到IQ颜色平面上椭圆分布模型，利用RANSAC算法拟合出椭圆模型的长轴获得长轴的斜率k，求出长轴的倾斜角θ＝arctan(k)，根据倾斜角θ利用公式：
得到如图8所示的旋转后椭圆模型，并令ΔEL＝Q′获取到如图9所示的肤色在IQ颜色分量空间中投影在椭圆模型长轴上的心率信号。
步骤6：对ΔEL利用巴特霍斯滤波器进行带通滤波处理，再使用完备总体经验模态分解法分解经过带通滤波处理后的ΔEL，计算得到的所有本证模式分量的频谱及其峰值所对应的频率v，如图10所示，选取频谱峰值频率在心率范围以内本征模式分量作为视频的心率成分，频率v即为被测者的心率。
综上所述，本发明提供了一种基于人脸视频的抗干扰非接触式检测心率的方法，通过人脸的识别模块以及颜色空间的转换，使亮度与颜色分离，大大减轻了头部进行大幅度运动以及人正常进行说话、眨眼等较轻的脸部变化时对心率测量造成的影响，提高了心率检测的准确性。通过去趋势的方法得到肤色在颜色分量空间中的椭圆模型，将肤色随心率在椭圆模型长轴上的变化看作心率信号，摒弃了传统方法中需要对RGB信号进行盲源分离的复杂步骤，降低了算法的复杂度。使用完备总体经验模态分解法分解心率信号，大大提高心率检测的精度。本发明为非接触式心率检测提供一种能够实现快速、抗干扰、高精度的算法。
Claims (5)
1.一种基于人脸视频的抗干扰非接触式心率检测方法，其特征在于：步骤(1)利用摄像头拍摄被测对象获取包括人脸的视频图像，在拍摄期间人的头部可以进行较大幅度的运动，同时也允许人正常进行说话，眨眼等较轻的脸部变化；步骤(2)利用训练好的人脸检测模型，对每一帧图像进行人脸分割提取出去除口部以及眼睛部分的脸部区域；步骤(3)对每一帧图像中像素不为0的像素点在RGB三个分量上进行求和以后取其平均值得到R、G以及B，再将R、G以及B转换到YIQ、YUV、YCrCb、HSV、HSL以及L*a*b*等亮度与颜色可以分离的颜色空间中，获取其对应颜色分量；步骤(4)获取视频中所有图像帧的颜色分量随时间的变化量，对颜色分量随时间的变化进行去趋势处理，并将所有颜色分量投影到颜色分量平面上，获取椭圆分布模型；步骤(5)利用RANSAC算法拟合出椭圆模型的长轴，根据拟合出的长轴旋转椭圆模型，提取出肤色随心率投影到椭圆模型长轴上的变化ΔEL；步骤(6)对ΔEL利用巴特霍斯滤波器进行带通滤波处理，再使用完备总体经验模态分解法分解经过带通滤波处理后的ΔEL，计算得到的所有本证模式分量的频谱及其峰值所对应的频率v，选取频谱峰值频率在心率范围以内本征模式分量作为视频的心率成分，频率v即为被测者的心率。
2.根据权利要求1所述的一种基于人脸视频的抗干扰非接触式心率检测方法，其特征在于：所述步骤2的具体过程为：利用训练好的人脸检测模型，对于每一帧图像检测出人脸的68个检测点的位置，利用这68个检测点计算出人脸、口部以及眼睛部分的凸包，通过得到的凸包制作人脸、口部以及眼睛的掩膜，利用掩膜提取出剔除口部以及眼睛部分的脸部区域。
3.根据权利要求1所述的一种基于人脸视频的抗干扰非接触式心率检测方法，其特征在于：所述步骤3的具体过程为：对每一帧图像中像素不为0的像素点的利用公式
以及
分别求出图像RGB三个分量平均值。将R、G以及B转换到YIQ、YUV、YCrCb、HSV、HSL以及L*a*b*等亮度与颜色可以分离的颜色空间中，获取IQ、UV、CrCb、HS、HS以及a*b*等对应的颜色分量，实现亮度与颜色的分离，获取每一幅图像在颜色分量上的均值。
4.根据权利要求1所述的一种基于人脸视频的抗干扰非接触式心率检测方法，其特征在于：所述步骤4的具体过程为：利用平滑先验法对视频中所有图像帧的颜色分量进行去趋势，并将其投影到颜色分量平面上，获取肤色随心率变化的椭圆分布模型。基于平滑先验法去趋势的公式如下：zs＝[I-(I+λ2DTD)-1]*z，其中z是初始信号，zs是去趋势以后的信号，I是单位矩阵I∈RN×N，矩阵D∈R(N-2)×N可以表示为：
5.根据权利要求1所述的一种基于人脸视频的抗干扰非接触式心率检测方法，其特征在于：所述步骤5的具体过程为：根据颜色分量平面上椭圆分布模型，利用RANSAC算法拟合出椭圆模型的长轴获得长轴的斜率k，求出长轴的倾斜角θ＝arctan(k)，根据倾斜角θ利用公式：
旋转椭圆模型，令ΔEL＝x′获取肤色随心率投影到椭圆模型长轴上的变化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811493140.1A CN111281367A (zh) | 2018-12-10 | 2018-12-10 | 一种基于人脸视频的抗干扰非接触式心率检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811493140.1A CN111281367A (zh) | 2018-12-10 | 2018-12-10 | 一种基于人脸视频的抗干扰非接触式心率检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111281367A true CN111281367A (zh) | 2020-06-16 |
Family
ID=71025219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811493140.1A Pending CN111281367A (zh) | 2018-12-10 | 2018-12-10 | 一种基于人脸视频的抗干扰非接触式心率检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111281367A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112022131A (zh) * | 2020-09-16 | 2020-12-04 | 合肥工业大学 | 长时间连续性的非接触式心率测量方法和系统 |
| CN113792663A (zh) * | 2021-09-15 | 2021-12-14 | 东北大学 | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 |
| CN114926957A (zh) * | 2022-04-13 | 2022-08-19 | 西安理工大学 | 基于智能家居的婴幼儿监护系统及监护方法 |
| CN115063848A (zh) * | 2022-05-23 | 2022-09-16 | 华南理工大学 | 基于光电容积描记法的非接触式人脸心率检测方法、系统及介质 |
| IT202100012380A1 (it) * | 2021-05-13 | 2022-11-13 | Hero S R L | Metodo per la rilevazione di parametri vitali a mezzo riprese video |
| CN116530996A (zh) * | 2023-06-26 | 2023-08-04 | 广东技术师范大学 | 一种面向低测量负荷心电数据的异常预警方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106097352A (zh) * | 2016-06-15 | 2016-11-09 | 深圳市易奉亲智慧养老科技有限公司 | 基于视频图像的人体定位方法及装置 |
| CN106236049A (zh) * | 2016-10-12 | 2016-12-21 | 南京工程学院 | 基于视频图像的血压测量方法 |
| 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 |
| US20180182095A1 (en) * | 2016-12-28 | 2018-06-28 | Industrial Technology Research Institute | Heart rate activity detecting system based on dynamic images and method thereof |
| CN108720825A (zh) * | 2018-03-29 | 2018-11-02 | 合肥工业大学 | 一种基于多摄像头的非接触式生命体征参数的无缝检测方法 |
| DE102017118636B3 (de) * | 2017-08-15 | 2018-12-06 | Technische Universität Chemnitz | Verfahren zur kontaktlosen Bestimmung der Herzfrequenz einer Person |
-
2018
- 2018-12-10 CN CN201811493140.1A patent/CN111281367A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106097352A (zh) * | 2016-06-15 | 2016-11-09 | 深圳市易奉亲智慧养老科技有限公司 | 基于视频图像的人体定位方法及装置 |
| CN106236049A (zh) * | 2016-10-12 | 2016-12-21 | 南京工程学院 | 基于视频图像的血压测量方法 |
| US20180182095A1 (en) * | 2016-12-28 | 2018-06-28 | Industrial Technology Research Institute | Heart rate activity detecting system based on dynamic images and method thereof |
| 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 |
| DE102017118636B3 (de) * | 2017-08-15 | 2018-12-06 | Technische Universität Chemnitz | Verfahren zur kontaktlosen Bestimmung der Herzfrequenz einer Person |
| CN108720825A (zh) * | 2018-03-29 | 2018-11-02 | 合肥工业大学 | 一种基于多摄像头的非接触式生命体征参数的无缝检测方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112022131A (zh) * | 2020-09-16 | 2020-12-04 | 合肥工业大学 | 长时间连续性的非接触式心率测量方法和系统 |
| CN112022131B (zh) * | 2020-09-16 | 2023-06-09 | 合肥工业大学 | 长时间连续性的非接触式心率测量方法和系统 |
| IT202100012380A1 (it) * | 2021-05-13 | 2022-11-13 | Hero S R L | Metodo per la rilevazione di parametri vitali a mezzo riprese video |
| CN113792663A (zh) * | 2021-09-15 | 2021-12-14 | 东北大学 | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 |
| CN113792663B (zh) * | 2021-09-15 | 2024-05-14 | 东北大学 | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 |
| CN114926957A (zh) * | 2022-04-13 | 2022-08-19 | 西安理工大学 | 基于智能家居的婴幼儿监护系统及监护方法 |
| CN114926957B (zh) * | 2022-04-13 | 2024-01-19 | 西安理工大学 | 基于智能家居的婴幼儿监护系统及监护方法 |
| CN115063848A (zh) * | 2022-05-23 | 2022-09-16 | 华南理工大学 | 基于光电容积描记法的非接触式人脸心率检测方法、系统及介质 |
| CN115063848B (zh) * | 2022-05-23 | 2024-03-19 | 华南理工大学 | 基于光电容积描记法的非接触式人脸心率检测方法、系统及介质 |
| CN116530996A (zh) * | 2023-06-26 | 2023-08-04 | 广东技术师范大学 | 一种面向低测量负荷心电数据的异常预警方法及系统 |
| CN116530996B (zh) * | 2023-06-26 | 2023-08-29 | 广东技术师范大学 | 一种面向低测量负荷心电数据的异常预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111281367A (zh) | 一种基于人脸视频的抗干扰非接触式心率检测方法 | |
| US10004410B2 (en) | System and methods for measuring physiological parameters | |
| McDuff et al. | Remote detection of photoplethysmographic systolic and diastolic peaks using a digital camera | |
| CN109977858B (zh) | 一种基于图像分析的心率检测方法及装置 | |
| McDuff et al. | Fusing partial camera signals for noncontact pulse rate variability measurement | |
| 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 | |
| Bobbia et al. | Remote photoplethysmography based on implicit living skin tissue segmentation | |
| Gudi et al. | Efficient real-time camera based estimation of heart rate and its variability | |
| CN111275018B (zh) | 一种基于环形感兴趣区域加权的非接触式心率信号提取方法 | |
| CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
| CN111839492B (zh) | 一种基于面部视频序列的心率非接触式测量方法 | |
| Chen et al. | Non-contact heart rate monitoring in neonatal intensive care unit using RGB camera | |
| CN110084085A (zh) | 基于成形信号的rppg高精度心率检测方法 | |
| KR20200079691A (ko) | 카메라 기반 비접촉식 생체신호 측정 장치 및 그것의 동작 방법 | |
| US20230005295A1 (en) | Non-contact facial blood pressure measurement method based on 3d cnn | |
| CN112294282A (zh) | 基于rppg的情绪检测装置的自标定方法 | |
| Li et al. | An improvement for video-based heart rate variability measurement | |
| KR20170028113A (ko) | 스킨컬러 필터를 이용한 심박수 측정시스템 | |
| Panigrahi et al. | Non-contact HR extraction from different color spaces using RGB camera | |
| Wiede et al. | Signal fusion based on intensity and motion variations for remote heart rate determination | |
| Mehta et al. | Heart rate estimation from RGB facial videos using robust face demarcation and VMD | |
| Han et al. | Exploration of the optimal skin-camera distance for facial photoplethysmographic imaging measurement using cameras of different types | |
| CN112001862A (zh) | 消除视频心冲击信号运动噪声的非接触式视心率检测方法 | |
| Geng et al. | Motion resistant facial video based heart rate estimation method using head-mounted camera | |
| CN113693573B (zh) | 一种基于视频的非接触式多生理参数监测的系统及方法 |
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 |
Application publication date: 20200616 |
|
| WD01 | Invention patent application deemed withdrawn after publication |