基于普通彩色相机的非接触式心率检测方法研究
发布时间：2021-07-31 00:22
心率是一项能有效反映心脏状态的重要指标。传统检测心率的方法要求紧密接触体表皮肤,这会给受试者带来不适。研究发现,成像型光学体积描记技术（Imaging plethysmography,IPPG）可以通过普通的彩色相机捕捉人脸的颜色变化实现心率检测。该技术具有非接触、低成本等优势,但是测量结果容易受到运动干扰的影响。干扰因素在不同的IPPG设备之间存在差异,使用普通相机进行人脸视频采集时,测量结果容易受到面部表情变化的影响,而当智能手机作为心率检测的工具时,手的抖动是降低检测精度的主要因素。针对上述问题,为了提高IPPG设备检测心率的准确性,本文做了如下工作:（1）针对普通相机提取心率存在的噪声问题,提出一种抗面部表情变化的心率检测方法。该方法首先将人脸划分为多个子模块并构建脉搏信号矩阵;由于理想的脉搏信号矩阵具有低秩特性,利用自适应矩阵分离算法去除该矩阵中的运动噪声;然后从处理后的脉搏信号矩阵中挑选出心率信息丰富的子模块建立脉搏融合信号;最后计算脉搏融合信号的功率谱密度并完成心率估计。（2）针对智能手机提取心率存在的干扰问题,提出一种手机端抗抖动干扰的心率检测方法。该方法首先通过基线消...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
脉搏信号经过小波分解后各尺度成分的波形图
第四章手机端抗抖动干扰的心率检测方法37图4.2基线消除与平滑Fig4.2Baselineeliminationandsmoothing采用五点三次平滑算法来平滑脉搏信号同时尽可能地保持原始曲线的特性不变。由于三次方对应的是一条曲线，而曲线可以近似局部信息。因此，可以利用三次方程式来拟合脉搏信号相邻的五个点，其数学公式为：230123Y(t)=aatatat（4.2）接着，定义式（4.3）所示的最小二乘公式来计算式（4.2）中的待定系数：222320123220(,,,)jijiiiijRatYaaaa（4.3）为了使0123(a,a,a,a)最小，分别对ka（k=0，1，2，3）求偏导并令其偏导数为零，将得到以下的方程式：223220kkjiiijiiijYttat（4.4）通过式（4.4）可以计算出ka（k=0，1，2，3）的具体数值。然后，将ka（k=0，1，2，3）代入式（4.2）中即可得到该算法拟合数据的具体公式。请注意：式（4.5）、式（4.6）、式（4.8）和式（4.9）分别用于首尾两端的四个点，式（4.7）用于所有其他点。2212121(69464)70Y=YYYYY（4.5）1210121(2271282)30Y=YYYYY（4.6）0210121(31217122)35Y=YYYYY（4.7）
合肥工业大学硕士学位论文44图4.8“心动”APP实时检测心率示意图Fig4.8Schematicdiagramofheartratedetectionusing“Heartbeat”APP表4.4基于本章方法的实时心率检测结果Tab4.4Real-timeheartratedetectionresultsbasedonthemethodsinthischapter组别测试者eM/bpmeSD/bpmRMSE/bpm静态实验12.052.363.0721.542.932.8631.021.471.5542.183.703.3451.212.083.61动态实验12.093.143.2323.525.475.2932.595.194.8142.233.214.3253.564.355.76还是在动态实验中，本章方法都展现出令人满意的心率估计精度。在静态实验中,除了4号测试者以外，其他四名测试者的eM都低于2，达到了医学标准；在动态实验中，虽然2号和3号的测试者的eSD都超过了5，但是整体上五名测试者的三个参数值都保持在5以内，达到了日常心率监测的标准。综合上述分析可知:不管测试者的手部是否产生抖动，本章方法都能准确地从手机视频中提取出心率信息,能够满足日常心率检测的需求。我们开发的心率检测APP—“心动”不久将在各大
【参考文献】：
期刊论文
[1]非合作面部晃动情况下的心率检测[J]. 戚刚,杨学志,吴秀,霍亮. 中国图象图形学报. 2017(01)
[2]基于人脸视频的非接触式心率测量方法[J]. 刘祎,欧阳健飞. 纳米技术与精密工程. 2016(01)
[3]呼吸信号的非接触式测量[J]. 单禹皓,陈通,温万惠,刘光远. 计算机科学. 2015(10)
[4]基于快速人脸检测的实时呼吸测量系统的设计[J]. 张言飞,欧阳健飞,姚丽峰. 计算机工程与应用. 2016(02)
[5]光电检测技术的人体多生理参数测量[J]. 卢宇,赵光兴. 中国仪器仪表. 2007(03)
[6]心率在心血管疾病中的意义[J]. 吴学思. 中华内科杂志. 2006(07)
[7]差动电容敏感式力学传感器的信号提取电路[J]. 王宏伟,张伟,林宇,张朝民. 电子元件与材料. 2003(03)
博士论文
[1]非接触式生理信号检测关键技术研究[D]. 孔令琴.北京理工大学 2014
硕士论文
[1]图像处理在Android手机血氧饱和度监测软件设计中的应用研究[D]. 唐宁.东华大学 2014
本文编号：3312394
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
脉搏信号经过小波分解后各尺度成分的波形图
第四章手机端抗抖动干扰的心率检测方法37图4.2基线消除与平滑Fig4.2Baselineeliminationandsmoothing采用五点三次平滑算法来平滑脉搏信号同时尽可能地保持原始曲线的特性不变。由于三次方对应的是一条曲线，而曲线可以近似局部信息。因此，可以利用三次方程式来拟合脉搏信号相邻的五个点，其数学公式为：230123Y(t)=aatatat（4.2）接着，定义式（4.3）所示的最小二乘公式来计算式（4.2）中的待定系数：222320123220(,,,)jijiiiijRatYaaaa（4.3）为了使0123(a,a,a,a)最小，分别对ka（k=0，1，2，3）求偏导并令其偏导数为零，将得到以下的方程式：223220kkjiiijiiijYttat（4.4）通过式（4.4）可以计算出ka（k=0，1，2，3）的具体数值。然后，将ka（k=0，1，2，3）代入式（4.2）中即可得到该算法拟合数据的具体公式。请注意：式（4.5）、式（4.6）、式（4.8）和式（4.9）分别用于首尾两端的四个点，式（4.7）用于所有其他点。2212121(69464)70Y=YYYYY（4.5）1210121(2271282)30Y=YYYYY（4.6）0210121(31217122)35Y=YYYYY（4.7）
合肥工业大学硕士学位论文44图4.8“心动”APP实时检测心率示意图Fig4.8Schematicdiagramofheartratedetectionusing“Heartbeat”APP表4.4基于本章方法的实时心率检测结果Tab4.4Real-timeheartratedetectionresultsbasedonthemethodsinthischapter组别测试者eM/bpmeSD/bpmRMSE/bpm静态实验12.052.363.0721.542.932.8631.021.471.5542.183.703.3451.212.083.61动态实验12.093.143.2323.525.475.2932.595.194.8142.233.214.3253.564.355.76还是在动态实验中，本章方法都展现出令人满意的心率估计精度。在静态实验中,除了4号测试者以外，其他四名测试者的eM都低于2，达到了医学标准；在动态实验中，虽然2号和3号的测试者的eSD都超过了5，但是整体上五名测试者的三个参数值都保持在5以内，达到了日常心率监测的标准。综合上述分析可知:不管测试者的手部是否产生抖动，本章方法都能准确地从手机视频中提取出心率信息,能够满足日常心率检测的需求。我们开发的心率检测APP—“心动”不久将在各大
【参考文献】：
期刊论文
[1]非合作面部晃动情况下的心率检测[J]. 戚刚,杨学志,吴秀,霍亮. 中国图象图形学报. 2017(01)
[2]基于人脸视频的非接触式心率测量方法[J]. 刘祎,欧阳健飞. 纳米技术与精密工程. 2016(01)
[3]呼吸信号的非接触式测量[J]. 单禹皓,陈通,温万惠,刘光远. 计算机科学. 2015(10)
[4]基于快速人脸检测的实时呼吸测量系统的设计[J]. 张言飞,欧阳健飞,姚丽峰. 计算机工程与应用. 2016(02)
[5]光电检测技术的人体多生理参数测量[J]. 卢宇,赵光兴. 中国仪器仪表. 2007(03)
[6]心率在心血管疾病中的意义[J]. 吴学思. 中华内科杂志. 2006(07)
[7]差动电容敏感式力学传感器的信号提取电路[J]. 王宏伟,张伟,林宇,张朝民. 电子元件与材料. 2003(03)
博士论文
[1]非接触式生理信号检测关键技术研究[D]. 孔令琴.北京理工大学 2014
硕士论文
[1]图像处理在Android手机血氧饱和度监测软件设计中的应用研究[D]. 唐宁.东华大学 2014
本文编号：3312394
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3312394.html
最近更新
教材专著
