CN111513701A - 心率检测方法、装置、计算机设备和可读存储介质 - Google Patents

心率检测方法、装置、计算机设备和可读存储介质 Download PDF

Info

Publication number
CN111513701A
CN111513701A CN202010452297.0A CN202010452297A CN111513701A CN 111513701 A CN111513701 A CN 111513701A CN 202010452297 A CN202010452297 A CN 202010452297A CN 111513701 A CN111513701 A CN 111513701A
Authority
CN
China
Prior art keywords
color change
change signal
face
original
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
Application number
CN202010452297.0A
Other languages
English (en)
Inventor
周康明
孟云龙
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.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
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 Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN202010452297.0A priority Critical patent/CN111513701A/zh
Publication of CN111513701A publication Critical patent/CN111513701A/zh
Pending legal-status Critical Current

Links

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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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)
  • Signal Processing (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Cardiology (AREA)
  • Mathematical Physics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请涉及一种心率检测方法、装置、计算机设备和可读存储介质。所述心率检测方法包括：获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。采用本方法能够提升心率检测的检测精度。

Description

心率检测方法、装置、计算机设备和可读存储介质
技术领域
本发明涉及心率检测技术领域，特别是涉及一种心率检测方法、装置、计算机设备和可读存储介质。
背景技术
心率是反映人体生理健康状态的一项重要指标，在心血管疾病临床研究、体育锻炼等领域具有重要应用。
传统的心率检测方法中，一般使用心电图法、光学体积描记术等。其中，心电图法多应用于临床研究，光学体积描记术是利用反射光和透射光的变化获取心血管脉搏波的方法，在检测运动心率时应用较多。
然而，心电图法必须使用电极和胸带等接触被测者，光学体积描记术通常需要专用的光源(如红外光等)和指尖弹簧夹等作用于被测者，心率检测的实施难度高，且电极等电子器件具有寿命期限，可能影响心率检测的精度。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升心率检测精度的非接触式的心率检测方法、装置、计算机设备和可读存储介质。
第一方面，本申请实施例提供了一种心率检测方法，心率检测方法包括：
获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
在其中一个实施例中，所述对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号，包括：
对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号。
在其中一个实施例中，所述对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号，包括：
根据预设的感兴趣频率以及所述人脸视频数据的帧率，确定滤波参数；所述滤波参数包括高斯标准差；
根据所述滤波参数，对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号。
在其中一个实施例中，所述人脸视频数据包括多个人脸视频帧；所述从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号，包括：
采用人脸检测算法和人脸跟踪算法，从所述多个人脸视频帧中分别截取对应的感兴趣区域，得到多个人脸图像；
从所述多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号；
将所述原始R通道颜色变化信号、所述原始G通道颜色变化信号和所述原始B通道颜色变化信号确定为所述原始面部颜色变化信号。
在其中一个实施例中，所述从所述多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号，包括：
根据各人脸图像中各像素点的像素值，计算R通道对应的空间平均像素值、G通道对应的空间平均像素值和B通道对应的空间平均像素值；
根据所述R通道对应的空间平均像素值确定所述原始R通道颜色变化信号，并根据所述G通道对应的空间平均像素值确定所述原始G通道颜色变化信号，以及根据所述B通道对应的空间平均像素值确定所述原始B通道颜色变化信号。
在其中一个实施例中，所述对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号，包括：
对所述原始R通道颜色变化信号、所述原始G通道颜色变化信号和所述原始B通道颜色变化信号分别进行去噪滤波，得到R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号；
将所述R通道颜色变化信号、所述G通道颜色变化信号以及所述B通道颜色变化信号，确定为所述面部颜色变化信号。
在其中一个实施例中，所述根据所述脉搏波信号获取所述被测者的心率数据，包括：
将所述脉搏波信号转换为对应的频域信号，并从所述频域信号中选取峰值最高的频率作为心率频率；
对所述心率频率乘预设倍数，得到所述被测者的所述心率数据。
第二方面，本申请实施例提供一种心率检测装置，装置包括：
获取模块，用于获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
滤波模块，用于对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
心率检测模块，用于从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一方面的方法的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括：
通过获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据；由此，本申请心率检测过程无需接触被测者，降低了心率检测的实施难度，从而扩大了心率检测的应用范围；本申请从人脸视频数据中提取原始面部颜色变化信号，和干扰噪声相比，面部颜色变化信号在时间尺度上更加平滑，对原始面部颜色变化信号进行去噪滤波，可以滤除原始面部颜色变化信号中夹杂的干扰噪声，例如头部运动干扰，从而得到面部颜色变化信号，由此，可以提升最终提取到的脉搏波信号的准确性，进而提升了心率检测的检测精度。
附图说明
图1为一个实施例提供的心率检测方法的流程示意图；
图2为另一个实施例提供的心率检测方法的流程示意图；
图3为另一个实施例提供的心率检测方法的流程示意图；
图4为另一个实施例提供的心率检测方法的流程示意图；
图5为一个实施例提供的心率检测方法中步骤S120的细化步骤示意图；
图6为另一个实施例提供的心率检测方法的流程示意图；
图7为另一个实施例提供的心率检测方法的流程示意图；
图8为一个实施例提供的心率检测方法的实施示意图；
图9为一个实施例提供的心率检测方法的实验效果图；
图10为一个实施例提供的心率检测装置的结构框图；
图11为一个实施例提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的心率检测方法、装置、计算机设备和可读存储介质，旨在解决传统技术中，心率检测的实施难度高且心率检测精度低的技术问题。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体地实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
需要说明的是，本申请实施例提供的心率检测方法，其执行主体可以是心率检测装置，该心率检测装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中，均以执行主体是计算机设备为例来进行说明，计算机设备可以是服务器；可以理解的是，下述方法实施例提供的心率检测方法，也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。
请参考图1，其示出了本申请实施例提供的一种心率检测方法的流程示意图。本实施例涉及的是根据被测者的人脸视频数据，对被测者进行心率检测的具体实现过程。如图1所示，本实施例心率检测方法可以包括以下步骤：
步骤S100，获取被测者的人脸视频数据，并从人脸视频数据中提取被测者对应的原始面部颜色变化信号。
本实施例中，被测者的人脸视频数据可以是视频采集装置采集的。
作为一种实施方式，视频采集装置可以是外置的并且与计算机设备通信连接，计算机设备从该视频采集装置中获取被测者的人脸视频数据；视频采集装置也可以是设置在终端或其它电子设备中的，该终端或者该其它电子设备通过视频采集装置对被测者录制人脸视频数据后，计算机设备从该终端或者该其它电子设备中获取该人脸视频数据，等等。
本实施例中，计算机设备获取被测者的人脸视频数据后，从该人脸视频数据中提取被测者对应的原始面部颜色变化信号。其中，原始面部颜色变化信号包括被测者的面部皮肤颜色在时间尺度上的变化信号，即面部颜色变化信号；此外，原始面部颜色变化信号还包括干扰噪声，这是由于在人脸视频数据的录制过程中，被测者通常会存在自发的头部运动和/或面部表情变化，而这种头部运动以及面部表情变化会产生干扰噪声，从而对心率检测精度造成影响。
步骤S200，对原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号。
与这种头部运动以及面部表情变化产生的干扰噪声相比，面部皮肤颜色的变化是一种微小的变化，即面部颜色变化信号在时间尺度上描绘了更加平滑的轨迹。本实施例中，基于面部颜色变化信号和干扰噪声的上述区别，计算机设备对原始面部颜色变化信号进行去噪滤波，也即是将原始面部颜色变化信号中夹杂的干扰噪声滤除，得到面部颜色变化信号。
本实施例中，作为一种实施方式，计算机设备采用高斯导数滤波(DerivativeFilter,DF)对原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号。在其它实施例中，计算机设备也可以采用带通滤波(Band-PassFiltering,BPF)、幅度选择滤波(Amplitude Selective Filtering,ASF)或最小二乘(Least Mean Square,LMS)自适应滤波对原始面部颜色变化信号进行去噪滤波，等等，本实施例在此不做具体限制。
步骤S300，从面部颜色变化信号中提取被测者对应的脉搏波信号，并根据脉搏波信号获取被测者的心率数据。
计算机设备从滤波后得到的面部颜色变化信号中提取被测者对应的脉搏波信号。本实施例中，作为一种实施方式，计算机设备可以采用IPPG(imagePhotoplethysmography,图像光电容积脉搏波描记法)从面部颜色变化信号中提取被测者对应的脉搏波信号，IPPG如ICA(Independent Component Analysis，独立成分分析)方法等。
进一步地，计算机设备采用FFT(Fast Fourier transform，快速傅里叶变化)将提取的脉搏波信号转换为对应的频域信号，然后对频域信号进行频谱分析，得到被测者的心率数据。
本实施例通过获取被测者的人脸视频数据，并从人脸视频数据中提取被测者对应的原始面部颜色变化信号；对原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；从面部颜色变化信号中提取被测者对应的脉搏波信号，并根据脉搏波信号获取被测者的心率数据；由此，本实施例心率检测过程无需接触被测者，降低了心率检测的实施难度，从而扩大了心率检测的应用范围；本实施例从人脸视频数据中提取原始面部颜色变化信号，和干扰噪声相比，面部颜色变化信号在时间尺度上更加平滑，对原始面部颜色变化信号进行去噪滤波，可以滤除原始面部颜色变化信号中夹杂的干扰噪声，例如头部运动干扰，从而得到面部颜色变化信号，由此，可以提升最终提取到的脉搏波信号的准确性，进而提升了心率检测的检测精度。
图2为另一个实施例提供的心率检测方法的流程示意图。在上述图1所示实施例的基础上，如图2所示，本实施例心率检测方法中，步骤S200包括步骤S210，具体地：
步骤S210，对原始面部颜色变化信号进行高斯导数滤波，得到面部颜色变化信号。
本实施例中，计算机设备具体采用高斯导数滤波的方式对原始面部颜色变化信号进行去噪滤波。
带通滤波的方式，虽然可以从原始信号中消除脉搏波信号频率范围之外的噪声频率成分，但是，带通滤波的缺点是不能滤除干扰噪声的频率在脉搏波信号频率范围之内的情况。而幅度选择滤波是根据原始信号中干扰噪声和脉搏波信号在频域中的幅度差异来滤除干扰噪声的，然而，当被测者的头部运动幅度较大和/或存在大量面部表情变化时，这种频域中的幅度差异的情况将不再成立，幅度选择滤波因此也无法有效滤除原始信号中的干扰噪声。最小二乘自适应滤波的缺点是对于输入信号的尺度非常敏感，所以难以排除非刚性运动的影响。
本实施例中，计算机设备从人脸视频数据中提取的是原始面部颜色变化信号，即使在被测者的头部运动幅度较大和/或被测者存在大量面部表情变化的情况下，即存在大运动干扰的情况下，面部皮肤颜色在时间尺度上的变化也是非常小的。也即，原始面部颜色变化信号包括的面部颜色变化信号，在时间尺度上描述了更加平滑的变化，因此其三阶导数值较低，而原始面部颜色变化信号包括的干扰噪声，尤其是大运动干扰噪声在时间尺度上的变化是陡峭的，其三阶导数值较高。基于面部颜色变化信号和干扰噪声的三阶导数值的特点，计算机设备利用原始面部颜色变化信号的三阶导数来分离原始面部颜色变化信号中的面部颜色变化信号和干扰噪声。
作为一种实施方式，假设原始面部颜色变化信号为V(x,y,t)，首先，计算机设备计算V(x,y,t)的三阶导数，目的是消去时间常数项，同时保持原始面部颜色变化信号中的面部颜色变化信号和干扰噪声部分；然后，计算机设备基于面部颜色变化信号和干扰噪声的平滑度差异，使用高斯滤波器Gσ(t)，通过如下公式1来选择面部颜色变化信号s(x,y,t)：
Figure BDA0002508022640000091
其中，
Figure BDA0002508022640000092
是一维高斯分布函数，而σ表示高斯函数的标准差。
高斯滤波不会引入伪分辨率，由于求导和卷积算子是线性的，所以公式1可以做变形如下：
Figure BDA0002508022640000093
其中，DF(t)则为高斯导数滤波的表达公式，DF(t)具体如公式2所示：
Figure BDA0002508022640000094
本实施例中，具体地，高斯导数滤波为三阶高斯导数滤波。
计算机设备采用高斯导数滤波DF(t)对原始面部颜色变化信号V(x,y,t)进行去噪滤波，滤波后得到s(x,y,t)即为面部颜色变化信号。由此，由于在时间尺度上面部皮肤颜色的微小变化比干扰噪声的变化更加平滑，计算机设备采用三阶高斯导数滤波对原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号，有效滤除了原始面部颜色变化信号中的干扰噪声。
本实施例尤其适用于大运动干扰的应用场景，大运动干扰即人脸视频录制过程中被测者的头部运动幅度较大和/或被测者存在大量面部表情变化。通过本实施例心率检测方法可以在大运动干扰的情况下，有效滤除原始面部颜色变化信号中的干扰噪声，从而提升了提取的脉搏波信号的精度、提升了心率检测的精度。
图3为另一个实施例提供的心率检测方法的流程示意图。在上述图2所示实施例的基础上，如图3所示，本实施例中，步骤S210包括步骤S211和步骤S212，具体地：
步骤S211，根据预设的感兴趣频率以及人脸视频数据的帧率，确定滤波参数。
其中，滤波参数包括高斯标准差。
本实施例中，计算机设备对原始面部颜色变化信号进行高斯导数滤波，得到面部颜色变化信号。具体地，计算机设备首先根据预设的感兴趣频率以及人脸视频数据的帧率，确定滤波参数。
高斯导数滤波DF(t)的表达公式如上述公式2所示。其中，σ表示高斯函数的标准差，高斯标准差σ的设置使得DF(t)可以检测到感兴趣频率成分的三阶导数值，感兴趣频率可以是欲提取的脉搏波信号的频率。
作为一种实施方式，高斯标准差σ根据下述公式3进行赋值：
Figure BDA0002508022640000101
其中，f为预设的感兴趣频率，r为人脸视频数据的帧率。
进一步地，滤波参数还包括高斯导数滤波的时域窗宽度，本实施例设置高斯导数滤波的时域窗宽度为r/4f。
步骤S212，根据滤波参数，对原始面部颜色变化信号进行高斯导数滤波，得到面部颜色变化信号。
计算机设备确定高斯导数滤波DF(t)的滤波参数后，即可根据高斯导数滤波DF(t)对原始面部颜色变化信号进行去噪滤波，滤除原始面部颜色变化信号中的干扰噪声，滤波后得到面部颜色变化信号。
本实施例结合感兴趣频率和人脸视频数据的帧率设置高斯导数滤波的滤波参数，由此，提升了高斯导数滤波与本实施例心率检测应用场景的锲合度，提升了高斯导数滤波的滤波精度。
图4为另一个实施例提供的心率检测方法的流程示意图。在上述图1所示实施例的基础上，如图4所示，本实施例中，步骤S100包括步骤S110、步骤S120和步骤S130，具体地：
步骤S110，获取被测者的人脸视频数据，并采用人脸检测算法和人脸跟踪算法，从多个人脸视频帧中分别截取对应的感兴趣区域，得到多个人脸图像。
其中，人脸视频数据包括多个人脸视频帧。计算机设备采用人脸检测算法和人脸跟踪算法，从多个人脸视频帧中分别截取对应的感兴趣区域。
具体地，计算机设备首先采用人脸检测算法Viola-Jones，在多个人脸视频帧的起始帧中检测感兴趣区域(ROI)，ROI具体可以是矩形框。进一步地，计算机设备利用判别反应图拟合(discriminative response map fitting,DRMF)算法在ROI矩形框中定位多个面部标记点的坐标，这些标记点描绘了被测者的眼睛、鼻子、嘴巴和面部形状。标记点定位之后，计算机设备采用人脸跟踪算法kanade-lucas–tomasi进行跟踪，估计当前人脸视频帧和下一人脸视频帧中ROI的位置变化，从而得到各个人脸视频帧中的ROI矩形框。
计算机设备在多个人脸视频帧中，分别截取与对应ROI矩形框对应的感兴趣区域，则得到多个人脸图像。一个人脸视频帧和一个人脸图像一一对应。
本实施例中，人脸检测和人脸跟踪过程可以减少人脸视频帧中人脸刚体运动和背景噪声的影响。
步骤S120，从多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号。
计算机设备从多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号。
具体地，参见图5，图5为本实施例步骤S120的细化步骤示意图。如图5所示，步骤S120可以包括步骤S121和步骤S122：
步骤S121，根据各人脸图像中各像素点的像素值，计算R通道对应的空间平均像素值、G通道对应的空间平均像素值和B通道对应的空间平均像素值。
步骤S122，根据R通道对应的空间平均像素值确定原始R通道颜色变化信号，并根据G通道对应的空间平均像素值确定原始G通道颜色变化信号，以及根据B通道对应的空间平均像素值确定原始B通道颜色变化信号。
具体地，参见如下公式4：
Figure BDA0002508022640000121
其中，Vi(t)为原始i通道颜色变化信号，i通道可以是R通道、G通道或者B通道。M×N为各个人脸图像的大小，各个人脸图像的大小可以相等。Vi(x,y,t)是各人脸图像中，(x,y)像素点的R值、G值或者B值；例如，VR(x,y,t1)则表示t1时刻对应的人脸图像中(x,y)像素点的R值。
步骤S130，将原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号确定为原始面部颜色变化信号。
由此，计算机设备计算R通道对应的空间平均像素值、G通道对应的空间平均像素值和B通道对应的空间平均像素值，则得到各通道的像素值随时间t变化的信号，即原始R通道颜色变化信号、原始G通道颜色变化信号、原始B通道颜色变化信号。
本实施例中，计算机设备通过对各个人脸图像中的所有像素点计算空间平均，拍摄装置的量化噪声引起的非连续变化将被抵消，从而提升了提取的原始面部颜色变化信号的精度。
图6为另一个实施例提供的心率检测方法的流程示意图。在上述图4所示实施例的基础上，如图6所示，本实施例中，步骤S200包括步骤S220和步骤S230，具体地：
步骤S220，对原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号分别进行去噪滤波，得到R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号。
计算机设备从多个人脸图像中，提取原始R通道颜色变化信号VR(t)、原始G通道颜色变化信号VG(t)和原始B通道颜色变化信号VB(t)，然后，计算机设备采用如公式2所示的高斯导数滤波DF(t)，对VR(t)、VG(t)、VB(t)分别进行去噪滤波，滤波后得到R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号。
步骤S230，将R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号，确定为面部颜色变化信号。
计算机设备将R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号，确定为面部颜色变化信号。
由此，本实施例通过在脉搏波信号提取之前净化含有干扰噪声的原始面部颜色变化信号，避免脉搏波信号被干扰噪声产生的运动伪影影响或者淹没，提升了脉搏波信号的提取精度，进而提升了心率检测的检测精度。
图7为另一个实施例提供的一种心率检测方法的流程示意图。在上述图1所示实施例的基础上，如图7所示，本实施例中，步骤S300包括步骤S310、步骤S320和步骤S300，具体地：
步骤S310，从面部颜色变化信号中提取被测者对应的脉搏波信号。
计算机设备可以采用IPPG(image Photoplethysmography,图像光电容积脉搏波描记法)从面部颜色变化信号中提取被测者对应的脉搏波信号，IPPG如ICA(IndependentComponent Analysis，独立成分分析)方法等。
具体地，计算机设备可以根据公式5，从面部颜色变化信号s(x,y,t)中提取被测者对应的脉搏波信号s(t)：
Figure BDA0002508022640000141
步骤S320，将脉搏波信号转换为对应的频域信号，并从频域信号中选取峰值最高的频率作为心率频率。
计算机设备采用FFT(Fast Fourier transform，快速傅里叶变化)将提取的脉搏波信号转换为对应的频域信号，并从频域信号中选取峰值最高的频率作为心率频率。
步骤S330，对心率频率乘预设倍数，得到被测者的心率数据。
计算机设备对心率频率乘预设倍数，例如乘60，得到被测者的心率数据，即每分钟心跳次数。
为了更清楚的说明本实施例心率检测方法的实施过程，参见图8，图8为本实施例心率检测方法的实施示意图。
如图8所示，计算机设备获取被测者的人脸视频数据，并采用人脸检测算法和人脸跟踪算法，从多个人脸视频帧中分别截取对应的感兴趣区域，得到多个人脸图像。计算机设备从多个人脸图像中，提取原始RGB信号(原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号)。计算机设备对原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号分别进行高斯导数滤波，得到滤波后RGB信号(R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号)。计算机设备采用IPPG方法从滤波后RGB信号，即面部颜色变化信号中提取被测者对应的脉搏波信号。接着，计算机设备采用FFT(Fast Fourier transform，快速傅里叶变化)将提取的脉搏波信号转换为对应的频域信号，并从频域信号中选取峰值最高的频率fHR作为心率频率，计算机设备对心率频率fHR乘预设倍数，例如乘60，得到被测者的心率数据HR，即每分钟心跳次数。
本实施例中，在提取脉搏波信号之前对原始面部颜色变化信号进行预处理，滤除原始面部颜色变化信号中的干扰噪声，用于鲁棒的视频心率估计。对于存在干扰噪声的人脸视频，人脸检测和人脸跟踪可以消除刚体运动的干扰，但对于非刚体运动，如说话、大笑、面部表情等，则较难处理，并且大的运动伪影会完全淹没有用的脉搏波信号。本实施例高斯导数滤波的目标是为了滤除原始面部颜色变化信号中的运动干扰，尤其适合滤除全局的大运动伪影，提升心率检测精度。
在另一个实施例中，计算机设备也可以从多个人脸图像中只提取原始G通道颜色变化信号，然后采用高斯导数滤波对该原始G通道颜色变化信号进行去噪滤波得到G通道颜色变化信号，计算机设备接着从G通道颜色变化信号中提取被测者对应的脉搏波信号，并根据脉搏波信号获取被测者的心率数据，同样可以提升心率检测的检测精度。
参见图9，图9为本实施例心率检测方法的实验效果图。如图9所示，高斯导数滤波DF的效果优于幅度选择滤波ASF、最小二乘自适应滤波LMS和带通滤波BPF。
HRgt(真实心率值)为78，HRg(G通道估计心率值)＝0.098*60＝6，HRasf(ASF后G通道估计心率值)＝0.098*60＝6，HRlms(LMS后G通道估计心率值)＝0.583*60＝35，HRbpf(BPF后G通道估计心率值)＝0.639*60＝38，HRdf(DF后G通道估计心率值)＝1.316*60＝79，由此，在进行DF之后，脉搏波信号波形呈现出明显的周期性，运动伪影较少，DF估计心率值(79bpm)近似等于血氧仪的真实心率值(78bpm)，提升了心率检测的检测精度。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种心率检测装置，包括：
获取模块10，用于获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
滤波模块20，用于对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
心率检测模块30，用于从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
可选地，所述滤波模块20包括：
第一滤波单元，用于对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号。
可选地，所述第一滤波单元，包括：
参数确定子单元，用于根据预设的感兴趣频率以及所述人脸视频数据的帧率，确定滤波参数；所述滤波参数包括高斯标准差；
滤波子单元，用于根据所述滤波参数，对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号。
可选地，所述人脸视频数据包括多个人脸视频帧；所述获取模块10包括：
人脸图像获取单元，用于获取被测者的人脸视频数据，并采用人脸检测算法和人脸跟踪算法，从所述多个人脸视频帧中分别截取对应的感兴趣区域，得到多个人脸图像；
信号提取单元，用于从所述多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号；
第一确定单元，用于将所述原始R通道颜色变化信号、所述原始G通道颜色变化信号和所述原始B通道颜色变化信号确定为所述原始面部颜色变化信号。
可选地，所述信号提取单元，包括：
计算子单元，用于根据各人脸图像中各像素点的像素值，计算R通道对应的空间平均像素值、G通道对应的空间平均像素值和B通道对应的空间平均像素值；
信号提取子单元，用于根据所述R通道对应的空间平均像素值确定所述原始R通道颜色变化信号，并根据所述G通道对应的空间平均像素值确定所述原始G通道颜色变化信号，以及根据所述B通道对应的空间平均像素值确定所述原始B通道颜色变化信号。
可选地，所述滤波模块20包括：
第二滤波单元，用于对所述原始R通道颜色变化信号、所述原始G通道颜色变化信号和所述原始B通道颜色变化信号分别进行去噪滤波，得到R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号；
第二确定单元，用于将所述R通道颜色变化信号、所述G通道颜色变化信号以及所述B通道颜色变化信号，确定为所述面部颜色变化信号。
可选地，所述心率检测模块30包括：
脉搏波信号获取单元，用于从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号；
转换单元，用于将所述脉搏波信号转换为对应的频域信号，并从所述频域信号中选取峰值最高的频率作为心率频率；
心率数据获取单元，用于对所述心率频率乘预设倍数，得到所述被测者的所述心率数据。
本实施例提供的心率检测装置，可以执行上述心率检测方法实施例，其实现原理和技术效果类似，在此不再赘述。关于心率检测装置的具体限定可以参见上文中对于心率检测方法的限定，在此不再赘述。上述心率检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，还提供了一种如图11所示的计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储心率检测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种心率检测方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体地计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Ramb微秒)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种心率检测方法，其特征在于，所述方法包括：
获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
2.根据权利要求1所述的方法，其特征在于，所述对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号，包括：
对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号。
3.根据权利要求2所述的方法，其特征在于，所述对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号，包括：
根据预设的感兴趣频率以及所述人脸视频数据的帧率，确定滤波参数；所述滤波参数包括高斯标准差；
根据所述滤波参数，对所述原始面部颜色变化信号进行高斯导数滤波，得到所述面部颜色变化信号。
4.根据权利要求1所述的方法，其特征在于，所述人脸视频数据包括多个人脸视频帧；所述从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号，包括：
采用人脸检测算法和人脸跟踪算法，从所述多个人脸视频帧中分别截取对应的感兴趣区域，得到多个人脸图像；
从所述多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号；
将所述原始R通道颜色变化信号、所述原始G通道颜色变化信号和所述原始B通道颜色变化信号确定为所述原始面部颜色变化信号。
5.根据权利要求4所述的方法，其特征在于，所述从所述多个人脸图像中，提取原始R通道颜色变化信号、原始G通道颜色变化信号和原始B通道颜色变化信号，包括：
根据各人脸图像中各像素点的像素值，计算R通道对应的空间平均像素值、G通道对应的空间平均像素值和B通道对应的空间平均像素值；
根据所述R通道对应的空间平均像素值确定所述原始R通道颜色变化信号，并根据所述G通道对应的空间平均像素值确定所述原始G通道颜色变化信号，以及根据所述B通道对应的空间平均像素值确定所述原始B通道颜色变化信号。
6.根据权利要求4所述的方法，其特征在于，所述对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号，包括：
对所述原始R通道颜色变化信号、所述原始G通道颜色变化信号和所述原始B通道颜色变化信号分别进行去噪滤波，得到R通道颜色变化信号、G通道颜色变化信号以及B通道颜色变化信号；
将所述R通道颜色变化信号、所述G通道颜色变化信号以及所述B通道颜色变化信号，确定为所述面部颜色变化信号。
7.根据权利要求1所述的方法，其特征在于，所述根据所述脉搏波信号获取所述被测者的心率数据，包括：
将所述脉搏波信号转换为对应的频域信号，并从所述频域信号中选取峰值最高的频率作为心率频率；
对所述心率频率乘预设倍数，得到所述被测者的所述心率数据。
8.一种心率检测装置，其特征在于，所述装置包括：
获取模块，用于获取被测者的人脸视频数据，并从所述人脸视频数据中提取所述被测者对应的原始面部颜色变化信号；
滤波模块，用于对所述原始面部颜色变化信号进行去噪滤波，得到面部颜色变化信号；
心率检测模块，用于从所述面部颜色变化信号中提取所述被测者对应的脉搏波信号，并根据所述脉搏波信号获取所述被测者的心率数据。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010452297.0A 2020-05-26 2020-05-26 心率检测方法、装置、计算机设备和可读存储介质 Pending CN111513701A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010452297.0A CN111513701A (zh) 2020-05-26 2020-05-26 心率检测方法、装置、计算机设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010452297.0A CN111513701A (zh) 2020-05-26 2020-05-26 心率检测方法、装置、计算机设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN111513701A true CN111513701A (zh) 2020-08-11

Family

ID=71908138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010452297.0A Pending CN111513701A (zh) 2020-05-26 2020-05-26 心率检测方法、装置、计算机设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111513701A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233813A (zh) * 2020-09-28 2021-01-15 兰州大学 一种基于ppg的非接触式无创心率呼吸测量方法及系统
CN113361526A (zh) * 2021-07-16 2021-09-07 合肥工业大学 一种融合肩部和胸部区域信息的非接触式呼吸率监测方法
WO2022176137A1 (ja) * 2021-02-19 2022-08-25 三菱電機株式会社 脈波推定装置及び脈波推定方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019202305A1 (en) * 2018-04-16 2019-10-24 Clinicco Ltd System for vital sign detection from a video stream
CN110384491A (zh) * 2019-08-21 2019-10-29 河南科技大学 一种基于普通摄像头的心率检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019202305A1 (en) * 2018-04-16 2019-10-24 Clinicco Ltd System for vital sign detection from a video stream
CN110384491A (zh) * 2019-08-21 2019-10-29 河南科技大学 一种基于普通摄像头的心率检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHAO YANG 等: "Motion-tolerant heart rate estimation from face videos using derivative filter", 《MULTIMEDIA TOOLS AND APPLICATIONS》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233813A (zh) * 2020-09-28 2021-01-15 兰州大学 一种基于ppg的非接触式无创心率呼吸测量方法及系统
WO2022176137A1 (ja) * 2021-02-19 2022-08-25 三菱電機株式会社 脈波推定装置及び脈波推定方法
CN113361526A (zh) * 2021-07-16 2021-09-07 合肥工业大学 一种融合肩部和胸部区域信息的非接触式呼吸率监测方法
CN113361526B (zh) * 2021-07-16 2022-09-27 合肥工业大学 一种融合肩部和胸部区域信息的非接触式呼吸率监测方法

Similar Documents

Publication Publication Date Title
Tasli et al. Remote PPG based vital sign measurement using adaptive facial regions
CN111513701A (zh) 心率检测方法、装置、计算机设备和可读存储介质
US9025826B2 (en) Formation of a time-varying signal representative of at least variations in a value based on pixel values
Feng et al. Dynamic ROI based on K-means for remote photoplethysmography
KR102285999B1 (ko) 얼굴 색상과 떨림을 이용한 카메라 기반 심박 측정 방법 및 시스템
JP6957929B2 (ja) 脈波検出装置、脈波検出方法、及びプログラム
CN105989357A (zh) 一种基于人脸视频处理的心率检测方法
JP6098257B2 (ja) 信号処理装置、信号処理方法及び信号処理プログラム
Feng et al. Motion artifacts suppression for remote imaging photoplethysmography
JP6717424B2 (ja) 心拍推定装置
JP7099542B2 (ja) 脈拍推定装置、脈拍推定方法、及びプログラム
CN111310584A (zh) 心率信息获取方法、装置、计算机设备和存储介质
EP2975844B1 (en) Image processing device, image processing method, and program
Wu et al. Camera-based heart rate measurement using continuous wavelet transform
Li et al. Model-based region of interest segmentation for remote photoplethysmography
KR20220098701A (ko) 비접촉 광용적맥파 추정 장치 및 방법
CN114557685B (zh) 一种非接触式运动鲁棒心率测量方法及测量装置
JP2014073159A (ja) 脈波検出装置、脈波検出プログラム及び脈波検出方法
WO2020003910A1 (ja) 心拍検出装置、心拍検出方法及びプログラム
KR102468654B1 (ko) 보정된 이미지 기반 심박 추정 방법 및 그 장치
CN116152893A (zh) 运动鲁棒的非接触式心率检测方法、电子设备及存储介质
KR102369059B1 (ko) 비접촉식 심박 측정 장치 및 방법
Alzahrani et al. Reducing motion impact on video magnification using wavelet transform and principal component analysis for heart rate estimation
Pilz et al. Heart rate from face videos under realistic conditions for advanced driver monitoring
Park et al. Motion artifact reduction in PPG signals from face: Face tracking & stochastic state space modeling approach

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: 20200811

RJ01 Rejection of invention patent application after publication