CN111870235A - 一种基于ippg的吸毒人员筛查方法 - Google Patents
一种基于ippg的吸毒人员筛查方法 Download PDFInfo
- Publication number
- CN111870235A CN111870235A CN202010770779.0A CN202010770779A CN111870235A CN 111870235 A CN111870235 A CN 111870235A CN 202010770779 A CN202010770779 A CN 202010770779A CN 111870235 A CN111870235 A CN 111870235A
- Authority
- CN
- China
- Prior art keywords
- drug
- pulse wave
- human face
- ippg
- wave
- 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.)
- Withdrawn
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
- A61B5/0059—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
-
- 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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4845—Toxicology, e.g. by detection of alcohol, drug or toxic products
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)
- Pulmonology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于IPPG的吸毒人员筛查方法,包括采集或识别人脸视频图像,提取出有效的包含人脸的帧图像,再从帧图像中提取出人脸感兴趣区域(ROI),进而从中提取出IPPG信号,对IPPG信号进行增强和降噪组合处理后得到干净的脉搏波信号,通过对脉搏波信号的分析处理获取脉搏波特征参数和生理指标数据,再与已有样本数据库构建的模型进行比对,判定被检测人员的吸毒情况,同时检测数据自动存入数据库以补充和完善模型。本发明公开的一种基于IPPG的吸毒人员筛查方法可以有效延长吸毒筛查的周期,减小受代谢周期的影响,同时提高检测的效率和便捷性,增加经济效益,避免因为传统筛查方式可能存在的人员不配合、采样感染隐患和生物样本被污染等问题。
Description
技术领域
本发明涉及毒品稽查技术领域,具体涉及一种基于IPPG的吸毒人员筛查方法。
背景技术
吸毒检测可分为现场检测和实验室检测,其中现场检测以唾液、尿液检测为主,实验室检测则是采集被检测人员的尿液、血液或者毛发等生物样本进行更为详细、准确的检测。生物样本检测均是对毒品的代谢产物进行检测,研究表明,毒品从进入人体后通过新陈代谢到唾液、尿液、血液或毛发中需要一定的时间,一般在1个小时到4天左右,因毒品类型、数量和吸毒人员体质而不同,毒品摄入量少的情况下则可能需要更久的代谢沉淀时间,同时沉淀后的代谢周期可能更短。不同类型的毒品成分不同,需要采用不同的检测试剂进行检测,匹配情况直接影响检测结果。因此,通过生物样本进行吸毒检测作为目前最常使用、最为有效的方法仍然存在因为检测试剂盒是否匹配和代谢周期问题而产生的漏检、误检、耗时等情况。
另外,在样本采集上也存在不少问题,比如尿液采集有时需要盯视其真实性,对女性吸毒人员进行采集时常常需要临时配备女警;遇到被采集者不配合的情况,采集难度增加,且对患有艾滋病或病毒性肝炎的吸毒人员进行采样时存在感染隐患等,保障样本真实性的同时,还要防止样本被污染。而且,现今吸毒隐蔽化和新型毒品伪装化趋势日益增加,需要更多的警力投入对可能涉毒的场所进行管控和巡查,检测前的排查难度也进一步增加了。
发明内容
鉴于上述问题,本发明提供了一种基于IPPG的吸毒人员筛查方法,具体技术方案如下:
S1、采集或识别包含人脸的视频图像,提取出有效的包含人脸的帧图像;
所述采集或识别包含人脸的视频图像,可以是通过视频采集设备主动采集,也可以是直接导入已有的视频图像进行人脸的视频图像识别;
所述视频采集设备可以是单通道或多通道色彩模式,比如最常见的RGB三通道色彩模式和定制化的RGBCO五通道色彩模式;
所述有效的包含人脸的帧图像一般要求连续时间≥30S,采集距离≤50m,人脸偏转角度≤60°。提取包含人脸的帧图像时进行了对每一帧图像的人脸识别、追踪以及人脸偏转角度翻转等处理。
S2、在包含人脸的帧图像中提取出人脸感兴趣区域(ROI),进而提取出IPPG信号;所述ROI包含额头、两侧脸颊、鼻梁等区域,这些区域有血管分布,且区域框定不易受五官形状、分布和面部表情的影响;
所述IPPG信号由ROI的不同颜色通道的灰度均值数据构成,其中颜色通道类型和数量可由视频采集设备的色彩模式决定。
S3、对IPPG信号进行合适的信号增强和降噪处理,进一步得到较为干净的脉搏波信号;所述对IPPG信号的信号增强和降噪处理采用的是组合算法的形式,比如先采用CEEMD或者MEMD算法提取分量,对分量嵌入SSA算法进行降噪,再进行数据合成,然后采用数学形态学算法对合成数据去除脉冲噪声和基线漂移。
S4、对脉搏波信号进行分析处理,提取出脉搏波特征参数和生理指标数据;
所述脉搏波特征参数包括时域特征参数和频域特征参数,所述时域特征参数包括脉搏波主波高度、降中峡相对高度、重搏波相对高度、主波上升斜率、潮波下降斜率、重搏波下降斜率、脉动周期时间、收缩期时间比、舒张期时间比、收缩期和舒张期时间比、脉搏波波图面积、收缩面积比、舒张面积比、收缩和舒张面积比、潮波明显度、脉搏波波形特征量、心输出量和其他可根据特征点计算得到参数;所述频域特征参数为通过快速傅里叶变换(FFT)得到的脉搏波幅值谱中基波到第六次谐波的7个波峰所对应的频率和幅值;
所述生理指标包括心率、呼吸频率、血压、心率变异性等,不同指标采用不同的滤波方式和提取算法,提取过程独立并行。
S5、与根据已有样本数据库构建的模型进行比对,判定被检测人员是否吸毒;
所述已有样本数据库数据来自对不同年龄、性别的吸毒人员和正常人员的生理指标的前期收集和采集,其中吸毒人员还按照吸食毒品类型、吸食历史时间和吸食频率等特征进行分类;所述模型构建包含选择、训练、评估、应用和优化模型5个主要的阶段,其中构建分类模型的算法可选用支持向量机、神经网络或决策树等等,也可以通过尝试不同的分类算法,并对每个分类算法进行参数调节,经过反复比较后,从中选择一种预测精度最高的分类算法及其参数组合;
所述对于被检测人员是否吸毒的判定还包括对吸食毒品类型、吸食历史时间和吸食频率等情况的初步判断。
S6、将被检测人员的数据存入样本数据库,用于进一步完善模型。
通过采用前述技术方案,本发明的有益效果是:相对传统检测可以延长有效的筛查周期,即在吸食毒品后产生生理变化到毒品代谢完毕但仍有生理方面影响的阶段均能有效检测,无需等待毒品代谢产物沉淀,一定周期内也不受毒品代谢完毕的制约;在减少投入的情况下,一定程度上可提升检测的效率,同时避免因为接触式筛查可能出现的被检测者不配合、采样不便和采样过程存在感染隐患等问题;在没有专门布设人脸视频图像采集设备的情况下,对于已有摄像头采集的视频图像,也可以自动检测,选取其中有效的人脸视频图像进行分析筛查。
附图说明:
以下结合附图对本发明作进一步详细的说明。
图1是本发明一种基于IPPG的吸毒人员筛查方法的流程图。
图2是脉搏波波形示意图。
具体实施方式:
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提出一种基于IPPG的吸毒人员筛查方法,包括:
S1、采集或识别包含人脸的视频图像,提取出有效的包含人脸的帧图像;
所述采集包含人脸的视频图像,可以是通过摄像设备主动采集,也可以是直接导入已有的视频图像进行人脸的视频图像识别;
所述视频采集设备可以是单通道或多通道色彩模式,比如最常见的RGB三通道色彩模式和定制化的RGBCO五通道色彩模式;
所述有效的包含人脸的帧图像一般要求连续时间≥30S,采集距离≤50米,人脸偏转角度≤60°。提取包含人脸的帧图像时进行了对每一帧图像的人脸识别、追踪以及人脸偏转角度翻转等处理。
S2、在包含人脸的帧图像中提取出人脸感兴趣区域(ROI),进而提取出IPPG信号;所述ROI包含额头、两侧脸颊、鼻梁等区域,这些区域有血管分布,且区域框定不易受五官形状、分布和面部表情的影响;
所述IPPG信号由ROI的不同颜色通道的灰度均值数据构成,其中颜色通道类型和数量可由视频采集设备的色彩模式决定。
S3、对IPPG信号进行合适的信号增强和降噪处理,进一步得到较为干净的脉搏波信号;所述对IPPG信号的信号增强和降噪处理采用的是组合算法的形式,比如先采用CEEMD或者MEMD算法提取分量,对分量嵌入SSA算法进行降噪,再进行数据合成,然后采用数学形态学算法对合成数据去除脉冲噪声和基线漂移;
所述数学形态算法是先采用形态开-闭和形态闭-开加权组合形式的滤波器去除IPPG信号波脉冲噪声,此时形态滤波器的结构元素的宽度小于脉搏波信号中的最大特征分量而大于噪声的,接着进行平滑滤波,然后对平滑滤波后的信号波再次采用形态开-闭和形态闭-开加权组合形式的滤波器得到其基线漂移分量,此时形态滤波器的结构元素的宽度大于脉搏波信号最大特征分量,最后将平滑滤波后的信号波与基线漂移分量相减,获得去除脉冲噪声和基线漂移后的脉搏波信号。
S4、对脉搏波信号进行分析处理,提取出脉搏波特征参数和生理指标数据;
所述对脉搏波信号进行分析处理包括对脉搏波时间序列进行分割、有效信号识别和差分映射等。所述对脉搏波时间序列进行分割利用其数据结构相对简单的特点,以波谷对为分割依据;所述有效信号识别是因为实际测量的脉搏波会受外界干扰导致部分波段异常或缺失,因此对分割后的若干个波峰对进行相似波段与干扰波段检测,并删除干扰波段保证后期特征值提取的正确性;所述差分映射是由于不同人员的脉搏波的关键特征不同,有的脉搏波的关键特征点难以直接提取出来,因此被引入来实现关键点的定位,然后再反映射回原脉搏波信号进行特征值的提取;
所述脉搏波波形的示意图如图2所示,一个完整的脉搏波分为上升支和下降支,包含主波、潮波和重搏波三个主要的特征波,此次提取出7个脉搏波特征点,分别为主波波谷点或者起始点a、主波波峰点b、重搏波波谷点e、重搏波波峰点f、潮波对应的两个点c和d、下一个脉搏波周期起始点a',并根据这些特征点实现特征参数的提取;
所述脉搏波特征参数包括时域特征参数和频域特征参数。所述时域特征参数包括高度特征参数、时间特征参数、面积特征参数和其他重要特征参数。高度特征参数包括脉搏波主波高度Hb、降中峡相对高度He/Hb、重搏波相对高度Hf/Hb、主波上升斜率kab、潮波下降斜率kcd、重搏波下降斜率kfa'等,所有高度值均是减去脉搏波的基线位置高度后的相对高度;时间特征参数包括脉动周期时间T、收缩期时间比T1/T、舒张期时间比T2/T、收缩期和舒张期时间比T1/T2等;面积特征参数包括脉搏波波图面积S、收缩面积比Sa/S、舒张面积比Sb/S、收缩和舒张面积比Sa/Sb;其他重要特征参数包括潮波明显度η、脉搏波波形特征量K、心输出量Z,以及其他可根据特征点计算得到参数。所述频域特征参数为通过快速傅里叶变换(FFT)得到的脉搏波幅值谱中基波到第六次谐波的7个波峰所对应的频率和幅值。
以下针对部分时域特征参数的计算方法进行举例说明,使其更加明确且容易被理解。
所述潮波明显度η的计算公式如下:
式中kcd是曲线cd的斜率,tb是主波波峰的时间点,tc、td分别是潮波的起止点,F(i)是脉搏波的离散特征曲线。
所述脉搏波波形特征量K的计算公式如下:
式中Hm是指一个脉搏波周期内幅值均值,Hb脉搏波主波高度,也就是幅值峰值,两者均是已减去基线位置高度后的相对高度。
所述心输出量Z的计算公式如下:
Z=Hb(1+T1/T2)
所述生理指标包括心率、呼吸频率、血压、心率变异性等,均可通过对脉搏波信号数据进一步处理运算后得到,不同指标采用不同的滤波方式和提取算法,提取过程独立并行,比如心率和呼吸频率波形的提取采用不同的带通滤波器,两者在各自的提取过程中互为噪音被剔除。
S5、与根据已有样本数据库构建的模型进行比对,判定被检测人员是否吸毒;
所述已有样本数据库数据来自对不同年龄、性别的吸毒人员和正常人员的生理指标的前期收集和采集,其中吸毒人员还按照吸食毒品类型、吸食历史时间和吸食频率等特征进行分类;所述模型构建包含选择、训练、评估、应用和优化模型5个主要的阶段,其中构建分类模型的算法可选用支持向量机、神经网络或决策树等等,也可以通过尝试不同的分类算法,并对每个分类算法进行参数调节,经过反复比较后,从中选择一种预测精度最高的分类算法及其参数组合;
所述对于被检测人员是否吸毒的判定还包括对吸食毒品类型、吸食历史时间和吸食频率等情况的初步判断。
S6、将被检测人员的数据存入样本数据库,用于进一步完善模型。
作为本发明的优选实施例,一种基于IPPG的吸毒人员筛查方法可以应用于毒品稽查现场的吸毒筛查,检测结果可作为生物样本检测的前期参考和补充;也可以在可能涉毒场所的可以拍摄到经过人员人脸的过道等合适位置安装摄像设备,通过对采集到的人员人脸视频图像进行识别和分析,在无需投入警力进行现场巡查的情况下,作为一种预警进行前期筛查;还可以直接调取可能涉毒场所已有的合适位置的摄像头的监控视频,自动识别其中有效的人脸视频图像,并进行自动分析筛查,作为毒品稽查事前或事后的参考依据。
虽然本发明已以较佳实施例揭露如上,然其并非用于限定本发明的保护范围。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种基于IPPG的吸毒人员筛查方法,其特征在于,包括以下步骤:
S1、采集或识别包含人脸的视频图像,提取出有效的包含人脸的帧图像;
S2、在包含人脸的帧图像中提取出人脸感兴趣区域(ROI),进而提取出IPPG信号;
S3、对IPPG信号进行合适的信号增强和降噪处理,进一步得到较为干净的脉搏波信号;
S4、对脉搏波信号进行分析处理,提取出脉搏波特征参数和生理指标数据;
S5、与根据已有样本数据库构建的模型进行比对,判定被检测人员是否吸毒;
S6、将被检测人员的数据存入样本数据库,用于进一步完善模型。
2.根据权利1所述的方法,其特征还在于,所述采集或识别包含人脸的视频图像可以是通过摄像设备主动采集,也可以是直接导入已有的视频图像进行人脸的视频图像识别;视频采集设备可以是单通道或多通道色彩模式,比如最常见的RGB三通道色彩模式和定制化的RGBCO五通道色彩模式;有效的包含人脸的帧图像一般要求连续时间≥30S,采集距离≤50米,人脸偏转角度≤60°;提取包含人脸的帧图像时进行了对每一帧图像的人脸识别、追踪以及人脸偏转角度翻转等处理。
3.根据权利1所述的方法,其特征还在于,所述ROI包含额头、两侧脸颊、鼻梁等区域,这些区域有血管分布,且区域框定不易受五官形状、分布和面部表情的影响;所述IPPG信号由ROI的不同颜色通道的灰度均值数据构成,其中颜色通道类型和数量可由视频采集设备的色彩模式决定。
4.根据权利1所述的方法,其特征还在于,所述对IPPG信号的信号增强和降噪处理采用的是组合算法的形式,比如其中的一种可以是先采用CEEMD或者MEMD算法提取分量,对分量嵌入SSA算法进行降噪,再进行数据合成,然后采用数学形态学算法对合成数据去除脉冲噪声和基线漂移。
5.根据权利1所述的方法,其特征还在于,所述脉搏波特征参数包括时域特征参数和频域特征参数,所述时域特征参数包括脉搏波主波高度、降中峡相对高度、重搏波相对高度、主波上升斜率、潮波下降斜率、重搏波下降斜率、脉动周期时间、收缩期时间比、舒张期时间比、收缩期和舒张期时间比、脉搏波波图面积、收缩面积比、舒张面积比、收缩和舒张面积比、潮波明显度、脉搏波波形特征量、心输出量和其他可根据特征点计算得到参数;所述频域特征参数为通过快速傅里叶变换(FFT)得到的脉搏波幅值谱中基波到第六次谐波的7个波峰所对应的频率和幅值;生理指标包括心率、呼吸频率、血压、心率变异性等,不同指标采用不同的滤波方式和提取算法,提取过程独立并行。
6.根据权利1所述的方法,其特征还在于,所述已有样本数据库数据来自对不同年龄、性别的吸毒人员和正常人员的生理指标的前期收集和采集,其中吸毒人员还按照吸食毒品类型、吸食历史时间和吸食频率等特征进行分类;模型构建包含选择、训练、评估、应用和优化模型5个主要的阶段,其中构建分类模型的算法可选用支持向量机、神经网络或决策树等等,也可以通过尝试不同的分类算法,并对每个分类算法进行参数调节,经过反复比较后,从中选择一种预测精度最高的分类算法及其参数组合;对于被检测人员是否吸毒的判定还包括对吸食毒品类型、吸食历史时间和吸食频率等情况的初步判断。
7.根据权利1所述的方法,其特征还在于,可以应用于毒品稽查现场的吸毒筛查,检测结果可作为生物样本检测的前期参考和补充;也可以在可能涉毒场所的可以拍摄到经过人员人脸的过道等合适位置安装摄像设备,通过对采集到的人员人脸视频图像进行识别和分析,在无需投入警力进行现场巡查的情况下,作为一种预警进行前期筛查;还可以直接调取可能涉毒场所已有的合适位置的摄像头的监控视频,自动识别其中有效的人脸视频图像,并进行自动分析筛查,作为毒品稽查事前或事后的参考依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010770779.0A CN111870235A (zh) | 2020-08-04 | 2020-08-04 | 一种基于ippg的吸毒人员筛查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010770779.0A CN111870235A (zh) | 2020-08-04 | 2020-08-04 | 一种基于ippg的吸毒人员筛查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111870235A true CN111870235A (zh) | 2020-11-03 |
Family
ID=73210683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010770779.0A Withdrawn CN111870235A (zh) | 2020-08-04 | 2020-08-04 | 一种基于ippg的吸毒人员筛查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111870235A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113243902A (zh) * | 2021-05-31 | 2021-08-13 | 之江实验室 | 一种基于光电容积脉搏波的特征提取方法 |
CN113397519A (zh) * | 2021-08-05 | 2021-09-17 | 季华实验室 | 心血管健康状态的检测装置 |
CN113533227A (zh) * | 2021-05-25 | 2021-10-22 | 何威 | 一种吸毒人员监测系统和方法 |
CN115831371A (zh) * | 2023-02-16 | 2023-03-21 | 成都体育学院 | 一种儿童体质健康评估系统和设备 |
CN116366964A (zh) * | 2023-02-20 | 2023-06-30 | 南京时祺科技有限公司 | 一种具有脸部识别功能可添加的大数据监控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182625A (zh) * | 2014-08-15 | 2014-12-03 | 重庆邮电大学 | 基于形态学与emd类小波阈值的心电信号去噪方法 |
CN107320081A (zh) * | 2017-07-03 | 2017-11-07 | 北京大学 | 对吸毒人员进行复吸监测的方法和系统 |
CN107536602A (zh) * | 2017-09-30 | 2018-01-05 | 深圳前海全民健康科技有限公司 | 基于脉搏波的吸毒人员筛查方法 |
CN111387959A (zh) * | 2020-03-25 | 2020-07-10 | 南京信息工程大学 | 一种基于ippg的非接触式生理参数检测方法 |
-
2020
- 2020-08-04 CN CN202010770779.0A patent/CN111870235A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182625A (zh) * | 2014-08-15 | 2014-12-03 | 重庆邮电大学 | 基于形态学与emd类小波阈值的心电信号去噪方法 |
CN107320081A (zh) * | 2017-07-03 | 2017-11-07 | 北京大学 | 对吸毒人员进行复吸监测的方法和系统 |
CN107536602A (zh) * | 2017-09-30 | 2018-01-05 | 深圳前海全民健康科技有限公司 | 基于脉搏波的吸毒人员筛查方法 |
CN111387959A (zh) * | 2020-03-25 | 2020-07-10 | 南京信息工程大学 | 一种基于ippg的非接触式生理参数检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533227A (zh) * | 2021-05-25 | 2021-10-22 | 何威 | 一种吸毒人员监测系统和方法 |
CN113243902A (zh) * | 2021-05-31 | 2021-08-13 | 之江实验室 | 一种基于光电容积脉搏波的特征提取方法 |
CN113243902B (zh) * | 2021-05-31 | 2021-12-07 | 之江实验室 | 一种基于光电容积脉搏波的特征提取方法 |
CN113397519A (zh) * | 2021-08-05 | 2021-09-17 | 季华实验室 | 心血管健康状态的检测装置 |
CN115831371A (zh) * | 2023-02-16 | 2023-03-21 | 成都体育学院 | 一种儿童体质健康评估系统和设备 |
CN116366964A (zh) * | 2023-02-20 | 2023-06-30 | 南京时祺科技有限公司 | 一种具有脸部识别功能可添加的大数据监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111870235A (zh) | 一种基于ippg的吸毒人员筛查方法 | |
CN108416367B (zh) | 基于多传感器数据决策级融合的睡眠分期方法 | |
Belgacem et al. | ECG based human authentication using wavelets and random forests | |
CN108670200A (zh) | 一种基于深度学习的睡眠鼾声分类检测方法及系统 | |
CN107799114A (zh) | 一种猪只咳嗽声音识别方法及系统 | |
Motin et al. | PPG derived heart rate estimation during intensive physical exercise | |
CN109363670A (zh) | 一种基于睡眠监测的抑郁症智能检测方法 | |
CN109106350A (zh) | 低生理负荷的睡眠呼吸暂停低通气综合征初步筛查方法 | |
Belgacem et al. | Person identification system based on electrocardiogram signal using LabVIEW | |
CN110731778B (zh) | 一种基于可视化的呼吸音信号识别方法及系统 | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
CN105147252A (zh) | 心脏疾病识别及评估方法 | |
CN105662454B (zh) | 一种罗音检测的方法和装置 | |
Song et al. | Heart sounds monitor and analysis in noisy environments | |
CN111783715A (zh) | 基于脉搏信号特征提取的身份识别方法 | |
CN105877739A (zh) | 一种心电智能分析系统的临床检验方法 | |
Kahya et al. | Classifying respiratory sounds with different feature sets | |
CN111839482A (zh) | 一种基于ippg的非接触式吸毒人员监测方法和系统 | |
CN102013016A (zh) | 可用于假肢手控制的基于肌音信号手部动作模式识别方法 | |
CN113243902B (zh) | 一种基于光电容积脉搏波的特征提取方法 | |
CN112017695A (zh) | 一种自动识别生理声音的系统及方法 | |
Liu et al. | Motion artifact detection in ppg signals based on gramian angular field and 2-d-cnn | |
CN113729653A (zh) | 一种人体脉搏波信号采集方法 | |
Moukadem et al. | Localization of heart sounds based on S-transform and radial basis function neural network | |
Fatemian | A wavelet-based approach to electrocardiogram (ECG) and phonocardiogram (PCG) subject recognition |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201103 |
|
WW01 | Invention patent application withdrawn after publication |