CN112507877A - 一种在视频部分信息缺失情况下检测心率的系统与方法 - Google Patents
一种在视频部分信息缺失情况下检测心率的系统与方法 Download PDFInfo
- Publication number
- CN112507877A CN112507877A CN202011439102.5A CN202011439102A CN112507877A CN 112507877 A CN112507877 A CN 112507877A CN 202011439102 A CN202011439102 A CN 202011439102A CN 112507877 A CN112507877 A CN 112507877A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- data
- signal
- face
- rate calculation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012880 independent component analysis Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000001815 facial effect Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 7
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000008034 disappearance Effects 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 21
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000011218 segmentation Effects 0.000 abstract description 2
- 230000003068 static effect Effects 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000001291 Aechmea magdalenae Nutrition 0.000 description 1
- 244000179819 Aechmea magdalenae Species 0.000 description 1
- 238000004458 analytical method Methods 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
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- 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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
Abstract
一种在视频部分信息缺失情况下检测心率的系统与方法属于生理信号处理及智慧教育领域。方法分为三步，首先对视频帧进行处理，包括人脸检测(检测不到人脸时换为人眼检测)、特征点标记、面部感兴趣区域确定、皮肤像素分割、提取R、G、B三通道信号并进行预处理，以及独立分量分析。其次提取BVP信号并加以处理，最后用傅里叶变换的方法计算心率。本发明考虑了在线课堂中学生学习过程中出现概率较大的脸部视频信息缺失情况，解决了在头部转动导致感兴趣部分缺失而不能检测心率，和头部突然离摄像头过近导致无法通过定位人脸检测心率的问题。该方法比之前要求面部静止测量的方法实用性更强，更符合实际教学场景的应用情况。
Description
技术领域
本发明属于生理信号处理及智慧教育领域，涉及一种在视频中头部转动以及部分信息缺失情况下的心率检测系统与方法。
背景技术
生理信号可以为情绪识别提供客观的数据支持。目前接触式的生理信号检测设备主要有：智能手环、指夹式脉搏血氧仪等，使用受到一定局限，并且可能会引起受试者不适或抵触。而非接触式生理信号检测技术不但方便，还可在不影响受试者日常生活的情况下完成检测。基于视频的生理信号检测已经过了十年多的发展，在解决光照变化、运动伪影、视频压缩等因素问题上有了突破性的进展，例如集合经验模态分解、基于色度的方法、小波变换与有界卡尔曼滤波技术等。但是应用模型大都存在着诸多限制条件，例如：对于受试者的身体约束性很强，测试用的视频要求包含整张正面人脸；在人脸侧对摄像头、人脸消失等特殊情况下，无法进行心率检测。以上模型较难在真实条件下对心率进行测量。已发表的与本发明最接近的专利包括一种基于人脸视频图像的心率检测系统及检测方法、一种基于视频的人体心率及面部血容积精确检测方法和系统、一种基于普通摄像头的心率检测方法。上述已发表的专利必须检测到人脸才能计算心率，且是对正脸进行检测。本方法不同之处之一是在距离较近或面部遮挡而无法检测到人脸的情况下，尝试通过人眼定位感兴趣区域进行心率检测。不同之处之二是采取了对称替代法，在头部平转30度到45度之间的情况下，将左右脸颊中能够检测到的感兴趣区域对称替代，解决了人脸转头侧脸时部分感兴趣区域缺失而无法进行检测的问题。因此本发明是上述专利应用到特定场景下，解决特殊问题的一种创新。
发明内容
针对在线教学场景下，学生出现距离摄像头过近导致传统的人脸检测算法检测不到人脸，心率计算终止的问题，本发明设计了一种通过人眼定位面部感兴趣区域的方法，在此基础上计算心率。
针对传统方法中如果摄像头检测不到全脸而导致部分感兴趣区域缺失，心率计算终止的问题，本发明提出了一种对称替代法，在头部平转30度到45度之间，面部感兴趣区域部分缺失的情况下，将左右脸颊中已检测到的数据进行对称复制给另一侧，使得计算能够继续进行。
本发明采用的技术方案如下：
本发明采用的非接触式心率测量流程分为三步，首先对视频帧进行处理，包括人脸检测(检测不到人脸时换为人眼检测)、特征点标记、面部感兴趣区域确定、皮肤像素分割、提取R、G、B三通道信号并进行预处理，以及独立分量分析。其次提取BVP信号并加以处理，最后用傅里叶变换的方法计算心率。
基于头部转动以及部分信息缺失的视频非接触式心率检测系统，其特征在于包括：视频采集模块，心率计算模块，结果显示存储模块。其中，
视频采集模块，负责从视频帧中提取数据。若用户点击了“摄像头”按钮，则打开电脑摄像头，系统捕获视频帧并显示，此时视频采集模块仅捕获视频帧并显示在图形界面上，并逐帧计算图像中三个感兴趣区域的R、G、B三通道的空间平均值XR、XG、XB，并分别存入三个预备数据队列中。通过是否有600个数据(每秒30帧图像，经过我们测试，从20秒开始计算心率是最为合适的)判断是否进入心率计算模块。若有600个数据，则进入该模块，若没有600个数据，则重复逐帧计算图像中三个感兴趣区域的R、G、B三通道的空间平均值，并分别存入三个预备数据队列中。
心率计算模块，包含数据预处理、心率计算和计算结果修正。当预备队列中的数据长度达到600时，心率计算模块从三个预备数据队列提取前600个数据，存入心率计算数据队列。之后，每隔一秒提取一次数据，即第二次心率计算数据队列中提取的数据是预备队列中的第31到631个，第三次心率计算数据队列中存入的数据是预备队列中的第61到661个，以此类推。每次心率计算数据队列中总共的数据只有600个。对这600个数据进行预处理(去趋势、标准化)，然后进行独立分量分析，并通过相关性分析找出BVP信号，经过滤波后通过傅里叶变换可计算出心率，最后对计算的结果进行修正。
结果显示存储模块，将测得的心率显示到图形界面中，并绘制滤波完的BVP信号和傅里叶变换后的波形，以及心率的变化曲线。此外，结果显示存储模块还需显示出帧图像，将心率数据存入CSV和Word文件中。
基于头部转动以及部分信息缺失的视频非接触式心率检测方法，包括以下步骤：
步骤一，对帧图像进行处理，定位出人脸框并进行68个特征点标记，若无法检测到人脸，则定位人眼坐标。(目前人脸轮廓提取常用的特征点数有5个、20个、58个、68个等，我们只使用了其中的一种。)
步骤二，通过面部特征点的坐标或者人眼的坐标确定感兴趣区域。
步骤三，判断感兴趣区域是否消失。若消失，则使用对称替代法；若没有消失，直接进入步骤四。
步骤四，提取出感兴趣区域中的皮肤像素。
步骤五，对皮肤图像进行R、G、B三通道分离，获得三个一维时间序列。
步骤六，对三个一维时间序列进行预处理(去趋势、标准化)。
步骤七，将处理后的三通道一维时间序列作为观测信号，用独立分量分析ICA从观测信号中分离出源信号。
步骤八，通过皮尔逊相关系数选择与绿色通道最相关的独立源信号作为BVP信号。
步骤九，对BVP信号进行平滑处理、0.75-4Hz带通滤波。
步骤十，利用傅里叶变换得到处理后BVP信号的频谱。
步骤十一，找到频谱最高峰值对应的频率×60得到心率测量值。
本发明的有益效果是：本发明提出的基于头部转动以及部分信息缺失的视频非接触式心率检测方法，考虑了在线课堂中学生学习过程中出现概率较大的脸部视频信息缺失情况，解决了在头部转动导致感兴趣部分缺失而不能检测心率，和头部突然离摄像头过近导致无法通过定位人脸检测心率的问题。该方法比之前要求面部静止测量的方法实用性更强，更符合实际教学场景的应用情况。
附图说明
图1为本发明所述心率检测系统组成框图；
图2为本发明所述视频采集模块框图；
图3为本发明所述心率计算模块框图；
图4为本发明所述结果显示存储模块框图；
图5为本发明所述心率检测方法流程图；
图6为本发明所述通过人眼定位感兴趣区域流程图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
基于头部转动以及部分信息缺失的视频非接触式心率检测系统组成框图如图1所示，包括：视频采集模块，心率计算模块，结果显示存储模块。
基于头部转动以及部分信息缺失的视频非接触式心率检测方法的流程如图5所示，具体包括以下步骤：
步骤一，从每一帧视频图像中提取出与计算相关的面部区域。若检测到人脸，用梯度增强决策树算法(Gradient Boosting Decision Tree,GBDT)进行68个人脸特征点检测。若没有检测到人脸，则定位人眼的坐标。假设左眼睛A点坐标为(x1,y1)，B点坐标为(x2,y2)，右眼睛C点坐标为(x3,y3)，D点坐标为(x4,y4)。通过人眼确定感兴趣区域如图6所示。
步骤二，通过68个特征点的坐标或者人眼的坐标确定感兴趣区域。若用特征点定位，则提取与左脸颊ROI相关的第17、31、28、39特征点，与右脸颊ROI相关的第26、35、28、42特征点，根据特征点的横纵坐标确定感兴趣区域。若用人眼坐标定位，假设感兴趣区域的坐标为E(x5,y5)and F(x6,y6)，则可以用左右眼睛的坐标来表示其位置。
步骤三，判断感兴趣区域是否消失。若消失则使用对称替代法，若没消失则使用原感兴趣区域进入步骤四。计算ROIleft和ROIright(ROIleft代表左侧感兴趣区域，ROIright代表右侧感兴趣区域)的面积Sleft和Sright(此处指视频中的左右脸颊，与实际相反)，然后通过面积比值来判断是否有一测消失。假设左脸颊与右脸颊的面积比值为a，当a大于1.5时，说明右脸颊消失；当a小于0.66时说明左脸颊消失；当a在0.66与1.5之间时，说明没有感兴趣区域消失。
a＝Sleft/Sright
步骤四，提取感兴趣区域中的皮肤像素。该步骤使用Pitas等人在HSV空间建立的肤色模型。同时满足下述条件才会被分割成皮肤。
步骤五，RGB通道分离。将每一帧的三个ROI区域进行RGB通道分离，并分别计算出三个通道的空间平均值得到ri、gi、bi，进而将整个视频序列转化成三个一维信号作为原始信号，记作X＝[XR,XG,XB]T，其中XR、XG、XB分别表示一段时间内所有图像帧R、G、B三个分量上特征值的变化曲线。
步骤六，对三个一维时间序列进行预处理(去趋势、标准化)。通过去趋势从数据中减去一条最优(最小二乘)的拟合直线、平面或曲面，将分析集中在数据趋势本身的波动上，并用下述公式对信号进行标准化处理。
其中，Y是标准化之后的信号，μ和σ分别为原始数据的平均值和标准差，i代表R、G、B三个通道。通过标准化处理，三个通道信号会变为均值为0和标准差为1的信号。
步骤七，将处理后的三通道信号作为观测信号，之后用独立分量分析FastICA从混合的观测信号中分离出源信号Y，得到三个独立源信号component1、component2、component3。
步骤八，将分离出的三个独立源信号与绿色通道信号做相关性分析，取皮尔逊相关系数绝对值最大的对应的独立源信号，作为脉搏波信号BVP。
步骤九，对BVP信号进行平滑处理得到smooth_BVP、对smooth_BVP信号进行0.75-4Hz带通滤波得到bandpass_BVP。
步骤十，利用傅里叶变换得到bandpass_BVP信号的频谱fft_BVP。
步骤十一，找到fft_BVP频谱最高峰值对应的频率fHR×60得到心率测量值HRestimation。
Claims (2)
1.一种在视频部分信息缺失情况下检测心率的系统，其特征在于，包括：视频采集模块，心率计算模块，结果显示存储模块；其中，
视频采集模块，负责从视频帧中提取数据；若用户点击了“摄像头”按钮，则打开电脑摄像头，系统捕获视频帧并显示，此时视频采集模块仅捕获视频帧并显示在图形界面上，并逐帧计算图像中三个感兴趣区域的R、G、B三通道的空间平均值XR、XG、XB，并分别存入三个预备数据队列中；通过是否有600个数据判断是否进入心率计算模块；若有600个数据，则进入该模块，若没有600个数据，则重复逐帧计算图像中三个感兴趣区域的R、G、B三通道的空间平均值，并分别存入三个预备数据队列中；
心率计算模块，包含数据预处理、心率计算和计算结果修正；当预备队列中的数据长度达到600时，心率计算模块从三个预备数据队列提取前600个数据，存入心率计算数据队列；之后，每隔一秒提取一次数据，即第二次心率计算数据队列中提取的数据是预备队列中的第31到631个，第三次心率计算数据队列中存入的数据是预备队列中的第61到661个，以此类推；每次心率计算数据队列中总共的数据只有600个；对这600个数据进行预处理后进行独立成分分析，并通过相关性分析找出BVP信号，经过滤波后通过傅里叶变换可计算出心率，最后对计算的结果进行修正；
结果显示存储模块，将测得的心率显示到图形界面中，并绘制滤波完的BVP信号和傅里叶变换后的波形，以及心率的变化曲线；此外，结果显示存储模块还需显示出帧图像，将心率数据存入CSV和Word文件中。
2.一种在视频部分信息缺失情况下检测心率的方法，其特征在于，包括以下步骤：
步骤一，对帧图像进行处理，定位出人脸框并进行特征点标记，若无法检测到人脸，则定位人眼坐标；
步骤二，通过面部特征点的坐标或者人眼的坐标确定感兴趣区域；
步骤三，判断感兴趣区域是否消失；若消失，则使用对称替代法；若没有消失，直接进入步骤四；
步骤四，提取出感兴趣区域中的皮肤像素；
步骤五，对皮肤图像进行R、G、B三通道分离，获得三个一维时间序列；
步骤六，对三个一维时间序列进行预处理；
步骤七，将处理后的三通道一维时间序列作为观测信号，用独立分量分析ICA从观测信号中分离出源信号；
步骤八，通过皮尔逊相关系数选择与绿色通道最相关的独立源信号作为BVP信号；
步骤九，对BVP信号进行平滑处理、0.75-4Hz带通滤波；
步骤十，利用傅里叶变换得到处理后BVP信号的频谱；
步骤十一，找到频谱最高峰值对应的频率×60得到心率测量值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011439102.5A CN112507877A (zh) | 2020-12-08 | 2020-12-08 | 一种在视频部分信息缺失情况下检测心率的系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011439102.5A CN112507877A (zh) | 2020-12-08 | 2020-12-08 | 一种在视频部分信息缺失情况下检测心率的系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112507877A true CN112507877A (zh) | 2021-03-16 |
Family
ID=74970784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011439102.5A Pending CN112507877A (zh) | 2020-12-08 | 2020-12-08 | 一种在视频部分信息缺失情况下检测心率的系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112507877A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780100A (zh) * | 2021-08-20 | 2021-12-10 | 北京工业大学 | 一种不改变视频效果的面部生理信息屏蔽方法 |
Citations (5)
| 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 |
| CN109044322A (zh) * | 2018-08-29 | 2018-12-21 | 北京航空航天大学 | 一种非接触式心率变异性测量方法 |
| US20190029543A1 (en) * | 2016-01-21 | 2019-01-31 | Oxehealth Limited | Method and apparatus for estimating heart rate |
| 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 |
| CN111027485A (zh) * | 2019-12-11 | 2020-04-17 | 南京邮电大学 | 一种基于人脸视频检测与色度模型的心率检测方法 |
-
2020
- 2020-12-08 CN CN202011439102.5A patent/CN112507877A/zh active Pending
Patent Citations (5)
| 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 |
| US20190029543A1 (en) * | 2016-01-21 | 2019-01-31 | Oxehealth Limited | Method and apparatus for estimating heart rate |
| CN109044322A (zh) * | 2018-08-29 | 2018-12-21 | 北京航空航天大学 | 一种非接触式心率变异性测量方法 |
| 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 |
| CN111027485A (zh) * | 2019-12-11 | 2020-04-17 | 南京邮电大学 | 一种基于人脸视频检测与色度模型的心率检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| KUN ZHENG, KANGYI CI, JINLING CUI, JIANGPING KONG AND JING ZHOU: "Non-Contact Heart Rate Detection When Face Information Is Missing during Online Learning", 《SENSORS》, 8 December 2020 (2020-12-08) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780100A (zh) * | 2021-08-20 | 2021-12-10 | 北京工业大学 | 一种不改变视频效果的面部生理信息屏蔽方法 |
| CN113780100B (zh) * | 2021-08-20 | 2024-03-01 | 北京工业大学 | 一种不改变视频效果的面部生理信息屏蔽方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bobbia et al. | Unsupervised skin tissue segmentation for remote photoplethysmography | |
| Chen et al. | Deepphys: Video-based physiological measurement using convolutional attention networks | |
| Ouerhani et al. | Empirical validation of the saliency-based model of visual attention | |
| CN106778695B (zh) | 一种基于视频的多人快速心率检测方法 | |
| KR101738278B1 (ko) | 영상을 이용한 감정 인식 방법 | |
| Yang et al. | Estimating heart rate and rhythm via 3D motion tracking in depth video | |
| KR102215557B1 (ko) | 얼굴 색상과 떨림을 이용한 카메라 기반 심박 측정 방법 및 시스템 | |
| Gibert et al. | Face detection method based on photoplethysmography | |
| CN110349140B (zh) | 一种中医耳诊图像处理方法及装置 | |
| 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 | |
| JP6727469B1 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
| Monwar et al. | Pain recognition using artificial neural network | |
| Wedekind et al. | Automated identification of cardiac signals after blind source separation for camera-based photoplethysmography | |
| CN114565957A (zh) | 基于微表情识别的意识评估方法及系统 | |
| CN116128814A (zh) | 舌诊图像的标准化采集方法及相关装置 | |
| CN113591769B (zh) | 基于光电容积脉搏描记法的非接触式心率检测方法 | |
| CN112507877A (zh) | 一种在视频部分信息缺失情况下检测心率的系统与方法 | |
| Panigrahi et al. | Non-contact HR extraction from different color spaces using RGB camera | |
| Jensen et al. | Camera-based heart rate monitoring | |
| Monwar et al. | Eigenimage based pain expression recognition | |
| CN112102949A (zh) | 面部血流脉冲信号和面部器官运动特征提取方法 | |
| CN110321781B (zh) | 一种用于无接触式测量的信号处理方法及装置 | |
| CN111860079B (zh) | 活体图像检测方法、装置以及电子设备 | |
| CN112861588A (zh) | 一种活体检测的方法、装置 | |
| CN113361480B (zh) | 基于人脸视频的人体脉搏波获取方法 |
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 |