CN111839492B - 一种基于面部视频序列的心率非接触式测量方法 - Google Patents
一种基于面部视频序列的心率非接触式测量方法 Download PDFInfo
- Publication number
- CN111839492B CN111839492B CN202010772957.3A CN202010772957A CN111839492B CN 111839492 B CN111839492 B CN 111839492B CN 202010772957 A CN202010772957 A CN 202010772957A CN 111839492 B CN111839492 B CN 111839492B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- face
- channel
- color
- imf
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003595 spectral effect Effects 0.000 claims abstract description 28
- 230000010349 pulsation Effects 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 10
- 238000009532 heart rate measurement Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 abstract 1
- 210000003128 head Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000004886 head movement Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 201000004624 Dermatitis Diseases 0.000 description 1
- 206010072170 Skin wound Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于面部视频序列的心率非接触式测量方法，该方法通过获取包含人体面部信息的视频序列，并结合图像的局部纹理特征和肤色模型，检测并实时跟踪人体面部区域，将该区域设定为感兴趣区域(ROI)；然后将ROI区域从RGB颜色空间映射到LAB颜色空间，计算出A、B两通道的空域均值，并对均值信号进行非线性去趋势操作，在此基础上将AB两通道之差设定为包含心率脉动信息的原始信号；最终针对该信号进行非线性时频分析以及带通滤波操作，并基于有效频率范围内的功率谱密度占比和峰值功率谱密度占比之和最大这一准则来获得心率具体数值，本发明克服了现有技术的不足，该方法可有效实现心率的非接触测量，提供了一种快速便捷的心率测量方式。
Description
技术领域
本发明涉及非接触式心率测量方法技术领域，具体属于一种基于面部视频序列的心率非接触式测量方法。
背景技术
在多种疾病的预防和诊断中，心率常被用来反映人体机能运行状态的重要生理参数之一。在实际临床诊断中，评估心率有多种方法，比如传统的听诊器、心电图、心率胸带、基于光电透射测量的指夹式脉搏仪、超声多普勒雷达、热成像技术等。
针对目前的心率测量方法，可将其分为接触式和非接触式测量两大类。接触式或与皮肤直接接触，或需佩戴冗杂的测量设备，给测量过程带来了不便，并可能会存在卫生安全、皮肤过敏等问题，在新生儿、皮肤创伤患者以及癫痫患者等特定情况下适用性较差。超声多普勒雷达以及热成像这类非接触式测量方法，虽不需要直接与人体产生接触，一定程度上克服了接触式测量方式的弊端，但所使用的设备价格昂贵。
2008年Verkruysse等人首次论证了在环境光照条件下可利用消费级别的摄像头采集面部视频进行心率信号的提取，并指出了心率信号在在RGB颜色空间的不同通道具有不同的相对强度。自此，基于远程光电体积描记术(rPPG)的生理参数测量技术得到了极大的关注。Poh等人提出了基于独立成分分析方法来对RGB通道原始信号进行分解，以获取含心率脉动信号的三个独立分量，从而来计算心率。Lewandowska等人利用主成分分析方法来提取心率信号，并分析了光照条件以及不同感兴趣区域对心率测量精度的影响。
目前，基于rPPG方式的心率非接触式测量技术推广应用的瓶颈在于当受试者头部运动以及周围光线强度发生变化时，均会造成对提取到的心率脉动信号一定程度的污染。因此如何消除这些人为干扰因素，从而提高心率测量稳定性和精度，是目前心率测量研究工作的主要关注点之一。
发明内容
为解决现有基于rPPG心率测量技术易受头部运动、环境光强变化等干扰的问题，本发明提供了一种基于面部视频序列的心率非接触式测量方法，该方法可以高效稳定对视频中多人的心率进行同时测量。
为解决上述问题，本发明所采取的技术方案如下：
一种基于面部视频序列的心率非接触式测量方法，其特征在于，包括如下步骤：
S1，采集视频信息，获取面部区域，定义为ROI区域，对每帧视频中ROI区域内的面部进行特征编码及面部肤色RGB颜色自动检测；
S2，对S1中检测到的面部肤色RGB颜色进行LAB彩色空间转换，得到A、B通道的信号；
S3，通过A、B通道的信号构建色差信号模型，并对色差信号进行多模态分解，得到固有模态分量IMF；
S4，筛选用于心率提取的模态分量IMF，进行心率数值的提取，计算出每分钟的心率次数。
其中，所述的S1中还包括根据视频信息中图像的局部纹理特征，使用级联分类器检测每帧视频信息中面部，并对检测区域的大小以及和通过相邻帧面部检测区域对比，对视频中的面部进行定位并实时跟踪，采用椭圆肤色模型消除非皮肤像素。
其中，所述的S1中的视频信息中包括至少一个面部区域。
其中，所述的S2中LAB彩色空间转换包括以下步骤：将亮度分量L和颜色分量AB两通道分离，并对颜色分量A通道和B通道的值进行空域均值操作，空域均值操作的公式为：
Sk(t)＝{∑(i,j)∈ROIPk(i,j,t)}/NROI(k＝A,B)，其中Pk(i,j,t)表示t时刻k通道像素位置(i,j)处的具体数值，NROI表示ROI区域的总像素值，得到时间序列信号SA(t)以及SB(t)，然后对A、B通道的时间序列信号再进行时域范围的归一化操作；然后采用先验平滑操作算子进行去除静态分量处理，计算公式为：
Sac(t)＝S(t)·{I-(I+α2D2 TD2)-1}
式中Sac(t)即为去除静态分量后颜色通道的信号，I代表n×n阶单位矩阵，n为信号长度，α作为正规化参数，D2是2阶导数算子的离散逼近阶矩阵，其阶数为(n-2)×n，具体数值如下：
得到A、B通道的信号。
其中，所述的S3中构建色差信号模型，并对色差信号进行多模态分解的方法为：将A、B通道的信号相减，并构建3阶巴特沃斯带通滤波器对色差信号进行滤波，通带频率范围设定为0.7-4Hz，然后，采用集成经验模态分解EEMD对心率脉动信号进行分解，得到若干固有模态分量IMF。
其中，所述的S4中筛选用于心率提取的模态分量IMF，进行心率数值的提取的方法为：对每个IMF模态分量进行频谱分析，计算出心率有效频率范围0.7-3Hz的功率谱密度占总频率范围的功率谱密度之比δ，计算公式为：δ＝Ph(w)/P(w)，其中为Ph(w)心率有效频率范围0.7-3Hz的功率谱密度之和，P(w)为所有频率范围内功率谱密度之和；然后对于δ大于0.75的IMF分量，进行功率谱峰值检测，并计算最大峰值处的功率谱密度占所有峰值的功率谱密度之比η，计算公式为：η＝Pmax-peak(w)/Ppeak(w)，其中Pmax-peak(w)为最大峰值处的功率谱密度，Ppeak(w)为所有峰值处的功率谱密度之和；最后，计算每个IMF分量的δ与η之和，以δ与η之和为最大的IMF分量用于提取心率脉动信号，对筛选出来用于心率提取的IMF分量，求取其最大功率谱密度处的频率fh，通过公式：HR＝fh×60，计算出每分钟的心率次数HR。
本发明与现有技术相比较，本发明的实施效果如下：
1、本发明考虑到头部转动以及眼睛、眉毛以及嘴巴等非皮肤像素对测量结果的影响，对每帧视频中的人脸区域和皮肤区域进行实时检测，保证了心率测量的源头信息的准确性；
2、本发明将RGB空间转换到LAB空间，将亮度信息分离，仅对AB颜色通道进行处理，并去除了AB通道中的静态分量，仅保留因心率脉动引起的时变信号，提高了心率脉动信号的信噪比；
3、构建了A、B两通道相减的色差信号模型来作为提取心率信号的原始信号，可有效消除因头部转动以及周围光线强度变化对测量结果的影响，保证心率测量结果的精度；
4、本发明采用了在心率有效频率范围内的功率谱密度占比和峰值功率谱密度占比之和最大的筛选准则来选取用于提取心率信号的IMF分量，有效提高了测量结果的稳定性；
5、本发明可以对视频中的多名受试者同时进行心率的非接触式测量，有效简化了心率测量的过程，具有低成本、高效率的优点。
附图说明
图1为本发明检测装置的示意图；
图2为本发明利用普通RGB摄像头非接触式测量人体心率的方法流程图；
图3为时间序列信号SA(t)和SB(t)；
图4为色差信号与时间的关系图；
图5为本发明筛选的用于提取心率的IMF分量；
图6为用于提取心率的IMF分量的频谱分析结果；
图7为基于本发明的方法心率测量结果与指夹式脉搏仪测量结果的偏差。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本次发明的检测装置所需要依托的装置简单，使用安装有检测软件、并连接有RGB摄像头的电脑即可进行检测，在实验时，还使用指夹式脉搏仪，其中指夹式脉搏仪用于在本方法实验验证过程中提供真实值，正常应用时不需要佩戴。测量时，受试者面对摄像头，距离摄像头0.5-3m，摄像头的采样频率设为30fps，分辨率为640×480，视频记录格式为avi。
视频采集环境为常规环境，不需进行特意设定，受试者可以按照自己舒服的姿势来进行视频的采集，头部可按照正常情况下运动，采集视频的时间长度保证不低于1分钟。
如图2所示，本发明的测量方法步骤如下：
步骤1：采集受试者面部视频，自动进行人脸区域及肤色像素准确定位，具体的方法为：通过摄像头采集视频信息，基于图像局部纹理特征对脸部进行特征编码，并使用级联分类器检测出每帧视频中人脸的区域，定义为ROI区域，并对检测区域的大小以及和通过相邻帧人脸检测区域对比来确保检测区域的准确性，最后采用椭圆肤色模型消除ROI非皮肤像素，以减少背景像素对测量数据的影响。
步骤2：彩色空间转换，并去除信号随机噪声和静态分量，具体的方法为：
将ROI区域的RGB转换到LAB颜色空间，将亮度分量L和颜色分量A、B两通道分离，对颜色分量A通道和B通道的值进行空域均值操作，降低摄像头视频采集引入的随机噪声，空域均值操作的具体公式如下：
Sk(t)＝{∑(i,j)∈ROIPk(i,j,t)}/NROI (k＝A,B)
其中Pk(i,j,t)表示t时刻k通道像素位置(i,j)处的具体数值，NROI表示ROI区域的总像素值。
通过空域均值操作，得到时间序列信号SA(t)以及SB(t)，如图3所示。对A、B通道的时间序列信号再进行时域范围的归一化操作，然后其进行去除静态分量处理，得到A、B通道的信号。此处去除静态分量的方法采用的是先验平滑操作算子，计算公式如下：
式中Sac(t)即为去除静态分量后颜色通道的信号，I代表n×n阶单位矩阵，n为信号长度，α作为正规化参数，D2是2阶导数算子的离散逼近阶矩阵，其阶数为(n-2)×n，具体数值如下：
步骤3：构建色差信号模型，并对色差信号进行多模态分解，将得到A、B通道的信号相减，去除因运动和周围环境光线强度变化的干扰因素，并构建3阶巴特沃斯带通滤波器对色差信号进行滤波，通带频率范围设定为0.7-4Hz，最终滤波后的色差信号，即心率脉动信号，如图4所示。然后，采用集成经验模态分解(EEMD)对心率脉动信号进行分解，得到若干固有模态分量(IMF)。
步骤4：筛选用于心率提取的最佳模态分量，进行心率数值的提取。对每个模态分量IMF进行频谱分析，计算出心率有效频率范围0.7-3Hz的功率谱密度占总频率范围的功率谱密度之比δ，计算公式为：δ＝Ph(w)/P(w)，其中为Ph(w)心率有效频率范围0.7-3Hz的功率谱密度之和，P(w)为所有频率范围内功率谱密度之和，然后，对于δ大于0.75的IMF分量，进行功率谱峰值检测，并计算最大峰值处的功率谱密度占所有峰值的功率谱密度之比η，计算公式为：η＝Pmax-peak(w)/Ppeak(w)，其中Pmax-peak(w)为最大峰值处的功率谱密度，Ppeak(w)为所有峰值处的功率谱密度之和。
然后，计算每个IMF分量的δ与η之和，最终确定δ与η之和为最大的IMF分量用于提取心率脉动信号，如图5给出了最终筛选出来用于心率提取的IMF分量。对筛选出来用于心率提取的IMF分量，求取其最大功率谱密度处的频率fh，如图6所示，并通过公式HR＝fh×60计算出每分钟心率次数HR。
在搭建好的本发明的实验装置中，对30位年龄在20-28周岁的实验者进行了实验，每个受试者分别在静坐、转动头部、观影的情况下进行了视频采集，实验样本共90组，本发明方法的测试结果与指夹式脉搏仪得到的测量结果偏差如图7所示，结果表明，在95％的置信区间内，偏差范围在-7.14bpm—3.40bpm，平均绝对偏差仅在2.59bpm。因此本发明提出的非接触式心率测量方法可有效降低环境光线强度变化以及头部运动等因素对非接触测量的影响，在常规的测量环境即可取得了良好的测量精度，实验结果证明本发明具有应用有效性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于面部视频序列的心率非接触式测量方法，其特征在于，包括如下步骤：
S1，采集视频信息，获取面部区域，定义为ROI区域，对每帧视频中ROI区域内的面部进行特征编码及面部肤色RGB颜色自动检测；
S2，对S1中检测到的面部肤色RGB颜色进行LAB彩色空间转换，得到A、B通道的信号；
S3，通过A、B通道的信号构建色差信号模型，并对色差信号进行多模态分解，得到固有模态分量IMF；
S4，筛选用于心率提取的模态分量IMF，进行心率数值的提取，计算出每分钟的心率次数；
所述的S2中LAB彩色空间转换包括以下步骤：将亮度分量L和颜色分量AB两通道分离，并对颜色分量A通道和B通道的值进行空域均值操作，空域均值操作的公式为：
Sk(t)＝{∑(i,j)∈ROIPk(i,j,t)}/NROI(k＝A,B)，其中Pk(i,j,t)表示t时刻k通道像素位置(i,j)处的具体数值，NROI表示ROI区域的总像素值，得到时间序列信号SA(t)以及SB(t)，然后对A、B通道的时间序列信号再进行时域范围的归一化操作；然后采用先验平滑操作算子进行去除静态分量处理，计算公式为：
Sac(t)＝S(t)·{I-(I+α2D2 TD2)-1}
式中Sac(t)即为去除静态分量后颜色通道的信号，I代表n×n阶单位矩阵，n为信号长度，α作为正规化参数，D2是2阶导数算子的离散逼近阶矩阵，其阶数为(n-2)×n，具体数值如下：
得到A、B通道的信号；
所述的S4中筛选用于心率提取的模态分量IMF，进行心率数值的提取的方法为：对每个IMF模态分量进行频谱分析，计算出心率有效频率范围0.7-3Hz的功率谱密度占总频率范围的功率谱密度之比δ，计算公式为：δ＝Ph(w)/P(w)，其中为Ph(w)心率有效频率范围0.7-3Hz的功率谱密度之和，P(w)为所有频率范围内功率谱密度之和；然后对于δ大于0.75的IMF分量，进行功率谱峰值检测，并计算最大峰值处的功率谱密度占所有峰值的功率谱密度之比η，计算公式为：η＝Pmax-peak(w)/Ppeak(w)，其中Pmax-peak(w)为最大峰值处的功率谱密度，Ppeak(w)为所有峰值处的功率谱密度之和；最后，计算每个IMF分量的δ与η之和，以δ与η之和为最大的IMF分量用于提取心率脉动信号，对筛选出来用于心率提取的IMF分量，求取其最大功率谱密度处的频率fh，通过公式：HR＝fh×60，计算出每分钟的心率次数HR。
2.根据权利要求1所述的基于面部视频序列的心率非接触式测量方法，其特征在于，所述的S1中还包括根据视频信息中图像的局部纹理特征，使用级联分类器检测每帧视频信息中面部，并对检测区域的大小以及和通过相邻帧面部检测区域对比，对视频中的面部进行定位并实时跟踪，采用椭圆肤色模型消除非皮肤像素。
3.根据权利要求1所述的基于面部视频序列的心率非接触式测量方法，其特征在于，所述的S1中的视频信息中包括至少一个面部区域。
4.根据权利要求1所述的基于面部视频序列的心率非接触式测量方法，其特征在于，所述的S3中构建色差信号模型，并对色差信号进行多模态分解的方法为：将A、B通道的信号相减，并构建3阶巴特沃斯带通滤波器对色差信号进行滤波，通带频率范围设定为0.7-4Hz，然后，采用集成经验模态分解EEMD对心率脉动信号进行分解，得到若干固有模态分量IMF。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2020103116664 | 2020-04-20 | ||
| CN202010311666 | 2020-04-20 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111839492A CN111839492A (zh) | 2020-10-30 |
| CN111839492B true CN111839492B (zh) | 2022-10-18 |
Family
ID=72953545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010772957.3A Expired - Fee Related CN111839492B (zh) | 2020-04-20 | 2020-08-04 | 一种基于面部视频序列的心率非接触式测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111839492B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113317766A (zh) * | 2021-05-12 | 2021-08-31 | 西安电子科技大学 | 一种基于a311d的嵌入式非接触式生理参数监测系统 |
| CN115659128B (zh) * | 2022-12-12 | 2023-04-07 | 浙江工业大学 | 一种基于集合经验模态分解法和功率谱的信号降噪方法 |
| CN116758066B (zh) * | 2023-08-14 | 2023-11-14 | 中国科学院长春光学精密机械与物理研究所 | 一种非接触测量心率方法、设备及介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6349075B2 (ja) * | 2013-11-22 | 2018-06-27 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | 心拍数測定装置及び心拍数測定方法 |
| CN104715244A (zh) * | 2015-04-01 | 2015-06-17 | 华中科技大学 | 一种基于肤色分割和机器学习的多视角人脸检测方法 |
| CN108771539A (zh) * | 2018-03-21 | 2018-11-09 | 上海师范大学 | 一种基于摄像的非接触式心率的检测方法及其装置 |
| CN109977858B (zh) * | 2019-03-25 | 2020-12-01 | 北京科技大学 | 一种基于图像分析的心率检测方法及装置 |
| CN110367950B (zh) * | 2019-07-22 | 2022-06-07 | 西安奇点融合信息科技有限公司 | 非接触式生理信息检测方法及系统 |
| CN110269600B (zh) * | 2019-08-06 | 2021-12-21 | 合肥工业大学 | 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法 |
-
2020
- 2020-08-04 CN CN202010772957.3A patent/CN111839492B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN111839492A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111839492B (zh) | 一种基于面部视频序列的心率非接触式测量方法 | |
| CN110269600B (zh) | 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法 | |
| Wang et al. | A comparative survey of methods for remote heart rate detection from frontal face videos | |
| CN106778695B (zh) | 一种基于视频的多人快速心率检测方法 | |
| Subramaniam et al. | Estimation of the Cardiac Pulse from Facial Video in Realistic Conditions. | |
| Feng et al. | Motion artifacts suppression for remote imaging photoplethysmography | |
| CN111281367A (zh) | 一种基于人脸视频的抗干扰非接触式心率检测方法 | |
| CN111027485A (zh) | 一种基于人脸视频检测与色度模型的心率检测方法 | |
| CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
| 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 | |
| Hu et al. | A novel spatial-temporal convolutional neural network for remote photoplethysmography | |
| CN114387479A (zh) | 一种基于人脸视频的非接触式心率测量方法及系统 | |
| CN112294282A (zh) | 基于rppg的情绪检测装置的自标定方法 | |
| CN111444797A (zh) | 非接触式心率检测方法 | |
| Gupta et al. | Accurate heart-rate estimation from face videos using quality-based fusion | |
| CN113397519A (zh) | 心血管健康状态的检测装置 | |
| CN113591769B (zh) | 基于光电容积脉搏描记法的非接触式心率检测方法 | |
| Zheng et al. | Remote measurement of heart rate from facial video in different scenarios | |
| Han et al. | Exploration of the optimal skin-camera distance for facial photoplethysmographic imaging measurement using cameras of different types | |
| Karmuse et al. | A robust rPPG approach for continuous heart rate measurement based on face | |
| CN114246570B (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 | |
| CN116509359A (zh) | 一种工地作业的多目标心率监测方法及装置 | |
| Ben Salah et al. | Contactless heart rate estimation from facial video using skin detection and multi-resolution analysis | |
| Le et al. | Heart Rate Estimation Based on Facial Image Sequence | |
| AV et al. | Non-contact heart rate monitoring using machine learning |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221018 |