CN113827186A - 一种基于计算机视觉的毒品渴求度测量方法 - Google Patents
一种基于计算机视觉的毒品渴求度测量方法 Download PDFInfo
- Publication number
- CN113827186A CN113827186A CN202110657531.8A CN202110657531A CN113827186A CN 113827186 A CN113827186 A CN 113827186A CN 202110657531 A CN202110657531 A CN 202110657531A CN 113827186 A CN113827186 A CN 113827186A
- Authority
- CN
- China
- Prior art keywords
- face
- drug
- person
- detected person
- heart rate
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4845—Toxicology, e.g. by detection of alcohol, drug or toxic products
-
- 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
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Fuzzy Systems (AREA)
- Pulmonology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉的毒品渴求度测量方法,具体涉及一种测量方法,包括以下步骤:步骤S1:刺激受检测人员产生毒品渴求反应;步骤S2:采集包含人脸的视频图像,并对人脸进行检测,获取人脸部分帧序列图像;步骤S3:对人脸帧图像进行检测,获取人脸关键点信息,识别是否眨眼。本发明实施例方法运用人工智能技术,对受检测人员的毒品渴求度进行量化,解决了以往毒品渴求度评估仅能依据度量表等容易受主观因素影响的方法存在的评估不准确,导致戒毒人员未完全脱离对毒品依赖就结束治疗,导致复吸现象频繁发生的问题,使得毒品渴求度界定更为客观标准,为辅助戒毒治疗提供可行的解决方案。
Description
技术领域
本发明涉及一种测量方法,更具体地说,本发明涉及一种基于计算机视觉的毒品渴求度测量方法。
背景技术
随着毒品泛滥以及吸毒人员日益增多,社会治安受到严重影响。目前吸毒检测主要以采集受检测人员的血液、尿液或者毛发等人体样本对人体代谢产物进行检测,判断是否吸毒。研究表明,吸食毒品后需要经过一段时间,代谢产物才到达血液、尿液或者毛发中,不具有时效性,而且不能评估毒瘾程度。
目前吸毒人员的戒毒管理需要根据其毒瘾程度,制定不同的戒毒治疗以及管理方案,而毒瘾程度评估主要依靠吸毒人员填写度量表进行评估;在上述度量表评估方法具有一定主观性,缺乏统一量化标准,难以真实反应吸毒人员毒瘾程度,无法准确判断吸毒人员是否完全戒断毒品依赖,存在完成戒毒治疗后复吸问题,这是毒品泛滥屡禁不止的重要原因。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于计算机视觉的毒品渴求度测量方法,本发明所要解决的技术问题是:在上述度量表评估方法具有一定主观性,缺乏统一量化标准,难以真实反应吸毒人员毒瘾程度,无法准确判断吸毒人员是否完全戒断毒品依赖,存在完成戒毒治疗后复吸问题。
为实现上述目的,本发明提供如下技术方案:一种基于计算机视觉的毒品渴求度测量方法。
实施方式为:包括以下步骤:
步骤S1:刺激受检测人员产生毒品渴求反应;
步骤S2:采集包含人脸的视频图像,并对人脸进行检测,获取人脸部分帧序列图像;
步骤S3:对人脸帧图像进行检测,获取人脸关键点信息,识别是否眨眼;
步骤S4:根据人脸视频图像序列的时空域特征计算受检测人员心率值;
步骤S5:根据人脸视频图像序列分析受检测人员面部表情;
步骤S6:根据已有样本数据库构建模型进行比对,评估受监测人员毒品渴求度
在一个优选地实施方式中,所述步骤S1中刺激受监测人员毒品渴求反应,包括以下步骤:
a、播放毒品展示以及吸食毒品过程相关短视频或者通过其他能还原真实吸毒场景的手段,刺激受检测人员产生对吸食毒品的兴奋感以及对毒品的渴求;
b、收集受检测人员观看视频时,人脸状态以及生理状态变化数据,获取受检测人员视频图像序列。
在一个优选地实施方式中,所述步骤S2中的人脸检测,对输入视频帧图像应用卷积神经网络中人脸检测算法回归得到受检测人员帧图像人脸回归边框,获取人脸视频帧图像序列。
在一个优选地实施方式中,所述步骤S3中人脸检测,包括以下步骤:
a、应用人脸关键点检测算法对人脸图像进行检测,获取人脸关键点数据;b、通过人脸关键点中的眼部关键点数据计算眼睛纵横比(EAR),并与预设的阈值进行比较,EAR值小于阈值表示闭眼,EAR值大于阈值表示睁眼。持续统计受检测人员观看视频过程中眨眼次数。
在一个优选地实施方式中,所述步骤S4中的心率检测,采用远程光电体积描记术(rPPG)对受检测人员心率进行实时监测,包括以下步骤:
a、取一段时间的人脸视频帧图像序列,并对人脸图像进行皮肤分割,保留皮肤部分,构建时空域表示特征图,作为下一步输入数据。
B、应用端到端时空卷积网络训练模型,输入时空与表示特征图,对心率进行检测,获取当前时间段心率值,实时监控受检测人员心率变化。
在一个优选地实施方式中,所述步骤S5中的人脸表情识别,构建端到端的人脸表情分类卷积神经网络;根据构建人脸表情分类网络,使用现有的公开人脸表情数据集对网络模型进行训练获取人脸表情分类模型,其中该模型对步骤S3获取的人脸图像序列相隔一定时间对受检测人员的表情进行分析,收集收检测人员表情变化数据。
在一个优选地实施方式中,所述步骤S6中的毒品渴求度评估,对已有样品数据库数据来自不同年龄、性别的吸毒人员和正常人员在经上述步骤获取眨眼次数、表情变化以及心率等生理指标数据以及对应的对毒品渴求度标签,并根据数据采用机器学习算法构建分类器,并根据对受检测人员提取的生理指标数据作为分类器输入,评估受监测人员对毒品渴求度。
本发明的技术效果和优点:
本发明实施例方法运用人工智能技术,对受检测人员的毒品渴求度进行量化,解决了以往毒品渴求度评估仅能依据度量表等容易受主观因素影响的方法存在的评估不准确,导致戒毒人员未完全脱离对毒品依赖就结束治疗,导致复吸现象频繁发生的问题,使得毒品渴求度界定更为客观标准,为辅助戒毒治疗提供可行的解决方案。
附图说明
图1为本发明实施例中基于计算机视觉的毒品渴求度检测方法的流程图
图2为本发明实施例中眨眼检测流程图
图3为本发明实施例中人眼关键点示意图
图4为本发明实施例中心率检测流程图
图5为本发明实施例中深度可分离卷积模块结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本公开的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
参考图1所示,为本实施例的一种基于计算机视觉的毒品渴求度检测方法的步骤流程图,其中包括了受检测人员开始接受测试到获得受检测人员毒品渴求度评估结果都全部流程,具体实施步骤如下所示:
S101:受检测人员进入稳定,可控的检测房间观看还原吸毒场景短视频。诱发受检测人员对毒品的渴求反应,从而表现出对毒品渴求的如眨眼、表情变化、心率变化等生理表现。
S102:通过摄像头实时记录受检测人员状态,产生视频帧图像序列作为下一步输入数据。
S103:对受检测人员状态记录视频帧图像进行人脸检测,应用卷积神经网络中人脸检测算法MTCNN对人脸边框的(x,y,w,h)四个值进行回归,(x,y)分别为人脸边框的左上角坐标点,w为人脸边框的宽,h为人脸边框的高。通过左上角坐标点以及宽高数据截取人脸部分图像,获得人脸视频帧图像序列。
S104:对人脸帧图像进行检测,获取人脸关键点信息,识别是否眨眼。其包括一下步骤:
应用人脸关键点检测算法对人脸图像进行检测,获取81个人脸关键点数据;
通过人脸关键点中的眼部关键点数据计算EAR,并预设的阈值进行比较,EAR值小于阈值表示闭眼,EAR值大于阈值表示睁眼。持续统计受检测人员观看视频过程中眨眼次数。
S105:对人脸视频帧图像序列进行心率检测,运用rPPG技术根据帧图像序列时间域以及空间域包含的时空特征计算受检测人员心率值。实现对收检测人员进行无接触式实时心率监控。其包含一下步骤:
由于消费级摄像头录制视频时对视频进行压缩处理,导致人脸视频PPG信号严重丢失问题,应用视频增强网络对获取的人类视频图像进行压缩恢复,获取高质量视频图像,提取准确PPG信号;
应用时空卷积网络其特征在于包括基于皮肤的注意模块和分区约束模块,所述时空卷积网络是一个端到端神经网络,通过所述网络输入人脸视频,实时检测心率。
S106:对人脸视频帧图像序列进行表情识别,分析受检测人员面部表情变化以及表情强度。构建端到端的人脸表情分类卷积神经网络,根据构建人脸表情分类网络,使用现有的公开人脸表情数据集对网络模型进行训练获取人脸表情分类模型。该模型每相隔一秒进行一次人脸表情识别,对受检测人员的表情进行分析,收集收检测人员表情变化数据。
S107:根据已有样本数据库构建模型进行比对,评估受监测人员毒品渴求度。样本数据库数据来自不同年龄、性别的吸毒人员和正常人员在经上述步骤获取眨眼次数、表情变化以及心率等生理指标数据以及对应的对毒品渴求度标签,根据毒品渴求程度,可将样本数据分为无、轻度、中度以及重度四个类别。采用支持向量机算法构建多项特征分类器。根据上述步骤获得的受检测人员观看吸毒视频而表现出的眨眼、心率、表情等生理指标变化数据作为分类器输入,并进行分类,评估受监测人员对毒品渴求度。
参考图2~图3所示,为本实施例中的眨眼检测功能部分,其中包括人脸关键点识别,EAR值计算,阈值对比,眨眼次数统计等步骤,具体实施步骤如下所示:
S201:人脸关键点检测。应用卷积神经网络对人脸图像进行人脸关键点检测,获取81个人脸关键点。
S202:计算EAR值。上一步骤中获得的人脸关键点数据中,提取眼部关键点数据。每个眼睛提取p1∽p6等6个关键点如图3所示。所述EAR值计算公式如下所示:
如上式所示,分子计算眼睛垂直方向的距离,分母计算的是眼睛水平方向的距离。如果眼睛睁开,EAR值基本保持不变;如果眼睛闭合,这分母基本保持不变,而分子则大幅度降低,使得EAR迅速下降。
S203:根据上一步计算得到的EAR值,设置阈值0.3,如果EAR大于0.3,则认为眼睛是睁开的;如果EAR小于0.3,则认为眼睛是闭合的。
S204:对于每一人脸帧图像,都进行眨眼检测,监控受检测人员检测过程中的眨眼次数。
参考图4所示,为本实施例中的心率检测功能流程图,其中包括人脸时空域表示图获取,回归获取心率值等步骤,具体实施步骤如下所示:
S301:输入时长为1秒的人脸视频,其中包含n张人脸帧图像。根据人脸关键点对人脸帧图像进行皮肤分割,保留皮肤部分。对每一张人脸帧图像皮肤部分划分为m个感兴趣区域(ROI)。
S302:对每一个ROI计算各颜色通道平均值。通道平均值计算公式如下所示:
其中表示为第t帧人脸图像第i个ROI的通道平均值;||ROIi||表示第i个ROI的面积,也就是像素点个数;C(x,y,t)为第t帧人脸图像,第i个ROI坐标点为(X,Y)的像素通道值。通过上式可得到表示为n帧人脸图像第i个ROI的R,G,B三通道平均值序列。因此可得到一张m×n×3的时空域表示特征图。
S303:应用ResNet18卷积神经网络模型,以所述时空域表示特征图作为输入,对心率进行回归,获得心率值。
S304:对于每一秒的心率值,都记录下来,最后将检测阶段的心率值进行均值计算,获取平均心率值。
参考图5所示,为本实施例中的深度可分离卷积结构图,将本实施例中运用到卷积神经网络模型的功能模块都用深度可分离卷积替换普通卷积,实现整个算法的轻量化,降低本发明的实现成本以及提高模型检测速度。所述深度可分离卷积由depthwise(DW)和pointwise(PW)两部分组成。DW采用3×3大小的卷积核,特征图通道数和卷积核数相同,并且一一对应。因此,DW是在二维平面内进行卷积。DW后面紧跟着就是Batch Noramalization(BN)层以及采用ReLU激活函数的非线性层;PW为采用1×1大小的卷积核的普通卷积层。研究证明,深度可分离卷积替换普通卷积能大幅度降低神经网络模型计算量,实现神经网络模型轻量化。
最后应说明的几点是:首先,在本申请的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变,则相对位置关系可能发生改变;
其次:本发明公开实施例附图中,只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在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,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于计算机视觉的毒品渴求度测量方法,包括以下步骤:
步骤S1:刺激受检测人员产生毒品渴求反应;
步骤S2:采集包含人脸的视频图像,并对人脸进行检测,获取人脸部分帧序列图像;
步骤S3:对人脸帧图像进行检测,获取人脸关键点信息,识别是否眨眼;
步骤S4:根据人脸视频图像序列的时空域特征计算受检测人员心率值;
步骤S5:根据人脸视频图像序列分析受检测人员面部表情;
步骤S6:根据已有样本数据库构建模型进行比对,评估受监测人员毒品渴求度。
2.根据权利要求1所述的一种基于计算机视觉的毒品渴求度测量方法,其特征在于:所述步骤S1中刺激受监测人员毒品渴求反应,包括以下步骤:
a、播放毒品展示以及吸食毒品过程相关短视频或者通过其他能还原真实吸毒场景的手段,刺激受检测人员产生对吸食毒品的兴奋感以及对毒品的渴求;
b、收集受检测人员观看视频时,人脸状态以及生理状态变化数据,获取受检测人员视频图像序列。
3.根据权利要求1所述的一种基于计算机视觉的毒品渴求度测量方法,其特征在于:所述步骤S2中的人脸检测,对输入视频帧图像应用卷积神经网络中人脸检测算法回归得到受检测人员帧图像人脸回归边框,获取人脸视频帧图像序列。
4.根据权利要求1所述的一种基于计算机视觉的毒品渴求度测量方法,其特征在于:所述步骤S3中人脸检测,包括以下步骤:
a、应用人脸关键点检测算法对人脸图像进行检测,获取人脸关键点数据;
b、通过人脸关键点中的眼部关键点数据计算眼睛纵横比(EAR),并与预设的阈值进行比较,EAR值小于阈值表示闭眼,EAR值大于阈值表示睁眼。
持续统计受检测人员观看视频过程中眨眼次数。
5.根据权利要求1所述的一种基于计算机视觉的毒品渴求度测量方法,其特征在于:所述步骤S4中的心率检测,采用远程光电体积描记术(rPPG)对受检测人员心率进行实时监测,包括以下步骤:
a、取一段时间的人脸视频帧图像序列,并对人脸图像进行皮肤分割,保留皮肤部分,构建时空域表示特征图,作为下一步输入数据。
b、应用端到端时空卷积网络训练模型,输入时空域特征图,对心率进行检测,获取当前时间段心率值,实时监控受检测人员心率变化。
6.根据权利要求1所述的一种基于计算机视觉的毒品渴求度测量方法,其特征在于:所述步骤S5中的人脸表情识别,构建端到端的人脸表情分类卷积神经网络;根据构建人脸表情分类网络,使用现有的公开人脸表情数据集对网络模型进行训练获取人脸表情分类模型,其中该模型对步骤S3获取的人脸图像序列相隔一定时间对受检测人员的表情进行分析,收集收检测人员表情变化数据。
7.根据权利要求1所述的一种基于计算机视觉的毒品渴求度测量方法,其特征在于:所述步骤S6中的毒品渴求度评估,对已有样品数据库数据来自不同年龄、性别的吸毒人员和正常人员在经上述步骤获取眨眼次数、表情变化以及心率等生理指标数据以及对应的对毒品渴求度标签,并根据数据采用机器学习算法构建分类器,并根据对受检测人员提取的生理指标数据作为分类器输入,评估受监测人员对毒品渴求度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657531.8A CN113827186A (zh) | 2021-06-12 | 2021-06-12 | 一种基于计算机视觉的毒品渴求度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657531.8A CN113827186A (zh) | 2021-06-12 | 2021-06-12 | 一种基于计算机视觉的毒品渴求度测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113827186A true CN113827186A (zh) | 2021-12-24 |
Family
ID=78962653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110657531.8A Pending CN113827186A (zh) | 2021-06-12 | 2021-06-12 | 一种基于计算机视觉的毒品渴求度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113827186A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107569218A (zh) * | 2017-09-19 | 2018-01-12 | 上海青研科技有限公司 | 一种戒毒效果检测装置 |
CN108229269A (zh) * | 2016-12-31 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸检测方法、装置和电子设备 |
CN110991346A (zh) * | 2019-12-04 | 2020-04-10 | 厦门市美亚柏科信息股份有限公司 | 一种疑似吸毒人员识别的方法、装置及存储介质 |
CN111803031A (zh) * | 2020-07-03 | 2020-10-23 | 赵永翔 | 一种非接触式吸毒人员复吸监测方法及系统 |
CN112089398A (zh) * | 2020-08-17 | 2020-12-18 | 上海大学 | 一种毒瘾程度检测方法 |
-
2021
- 2021-06-12 CN CN202110657531.8A patent/CN113827186A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229269A (zh) * | 2016-12-31 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸检测方法、装置和电子设备 |
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 |
CN107569218A (zh) * | 2017-09-19 | 2018-01-12 | 上海青研科技有限公司 | 一种戒毒效果检测装置 |
CN110991346A (zh) * | 2019-12-04 | 2020-04-10 | 厦门市美亚柏科信息股份有限公司 | 一种疑似吸毒人员识别的方法、装置及存储介质 |
CN111803031A (zh) * | 2020-07-03 | 2020-10-23 | 赵永翔 | 一种非接触式吸毒人员复吸监测方法及系统 |
CN112089398A (zh) * | 2020-08-17 | 2020-12-18 | 上海大学 | 一种毒瘾程度检测方法 |
Non-Patent Citations (1)
Title |
---|
XUESONG NIU ET AL: "RhythmNet: End-to-End Heart Rate Estimation From Face via Spatial-Temporal Representation", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10779760B2 (en) | Deception detection system and method | |
EP2829221B1 (en) | Asperger's diagnosis assistance device | |
Ramirez et al. | Color analysis of facial skin: Detection of emotional state | |
CN112587153B (zh) | 一种基于vPPG信号的端到端的非接触房颤自动检测系统和方法 | |
CN110598608B (zh) | 非接触式与接触式协同的心理生理状态智能监测系统 | |
Beringer et al. | Reliability and validity of machine vision for the assessment of facial expressions | |
CN110269587B (zh) | 婴幼儿动作分析系统和基于动作的婴幼儿视力分析系统 | |
CN109805944B (zh) | 一种儿童共情能力分析系统 | |
CN106128032A (zh) | 一种疲劳状态监测及预警方法及其系统 | |
CN108985200A (zh) | 一种基于终端设备的非配合式的活体检测算法 | |
CN105279380A (zh) | 一种基于表情分析的抑郁程度自动评估系统 | |
CN113554597B (zh) | 一种基于脑电特征的图像质量评价方法及装置 | |
CN106667506A (zh) | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 | |
CN114067435A (zh) | 一种基于伪3d卷积网络与注意力机制的睡眠行为检测方法和系统 | |
CN114093501A (zh) | 基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法 | |
Jaiswal et al. | rPPG-FuseNet: Non-contact heart rate estimation from facial video via RGB/MSR signal fusion | |
CN116343302A (zh) | 一种基于机器视觉的微表情分类识别系统 | |
CN108717872A (zh) | 基于面部、手部识别和大数据的健康分析方法及系统 | |
CN111523445A (zh) | 一种基于改进的Openpose模型和面部微表情的考试行为检测方法 | |
CN113867533B (zh) | 多脑协同脑机接口系统及基于该系统实现的视频目标检测方法 | |
CN111724896B (zh) | 一种基于多刺激图片或视频erp的毒瘾评估系统 | |
CN109308118A (zh) | 基于eog的中文眼写信号识别系统及其识别方法 | |
CN113506274A (zh) | 基于视觉显著性差异图的用于人体认知状况的检测系统 | |
CN113827186A (zh) | 一种基于计算机视觉的毒品渴求度测量方法 | |
CN113598741B (zh) | 一种房颤评价模型训练方法、房颤评价方法和装置 |
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 |