基于人脸图像增强的心率测量方法研究

发布时间：2021-12-28 15:51

　　随着保健意识的提升,人们越来越重视心率的日常检测。基于人脸图像的心率测量以其无须接触、测量便捷、设备简单的优点,已成为研究的热点。受噪声和被测者无意识晃动等因素的影响,现有方法存在测量准确率不高、适应性不强等问题,基于人脸图像的心率测量成为一项具有挑战性的任务。本文针对心率测量准确率的提升,展开对基于人脸图像的心率测量各环节优化的研究,提出了一种新的基于人脸图像的心率测量方法,主要工作如下:1)针对人脸视频中心率信号幅度较弱,常被噪声遮盖的问题,采用了欧拉影像颜色放大算法,将心率所在的0.85Hz至2Hz频段进行放大,以凸显心率信号,提高信号信噪比。2)针对心率信号所在频段还包含大量噪声的问题,提出将变分模态分解算法应用于时间序列的滤波过程中。变分模态分解算法依据中心频率的不同,将原信号分解成多个具有特定稀疏性的离散子信号之和,每个子信号称为一个模态。分离完成后,以频率峰值符合心率范围和加权后功率最大为标准,先剔除中心频率不符合正常心率范围的模态,再用乘以系数的方法凸显更可能是心率信号的模态,并保留乘以系数后功率最大的模态。之后,在不同参数设置下,进行分解效果的对比实验,并给出了比较合... 

【文章来源】：北方工业大学北京市

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

Verkruysse等人的研究成果

第一章绪论5图1-3Hao-YuWu等人的研究成果在基于人脸图像的心率测量领域，传统上通常只取绿通道以提取心率。2013年，deHaanGerard和JeanneVincent认为红、蓝两通道包含有与红通道互补的脉搏波信息。他们据此提出了一种将三通道有机融合，以得到更佳脉搏波源信号的方法。他们先对三个通道都进行了标准化，再构建正交的两个色差信号。再对这两个色差信号进行带通滤波后，算出两个信号标准差的商作为参数，最后使用一个减去另一个与参数的积得到最终的脉搏波信号。这种方法显著的降低了照明条件变化对心率测量的影响，提高了脉搏波信号的稳健性[20]。除滤除杂波外，ROI的选取也会影响测量效果的好坏。不合适的ROI不包含或只包含很少的脉搏波信息，为后续心率的提取带来额外的困难。早在2008年，Verkruysse、Svaasand和Nelson就对比和讨论了分别选取额头、额头上的小区域及眼睛以上发际线以下部分作为ROI时，包含的脉搏波信息多少[14]。欧卫华，刘萍，周永辉，曹永锋和熊祥光5人更进一步，讨论了基于非负矩阵分解的自动ROI选择方法。他们的方法能自适应地估计非皮肤部位，选择信噪比高的区域作为ROI，有效的降低了心率估计的误差[21]。2016年，HuanQi、ZhenyuGuo、XunChen、ZhiqiShen和Z.JaneWang发现，将人脸的不同区域提取得到的数据进行融合，能提高心率测量的准确性和可靠性。他们通过使用联合盲源分离法来探索人脸各区域间的相关性，比固定ROI时的测量结果更具有鲁棒性和准确性[22]。传统的傅里叶变换、小波变换等算法存在难以应用于非线性非平稳信号、不能动态适应数据等缺陷，将这些方法应用于心率测量会造成了一定的不利影响。

第一章绪论61998年，黄锷（N.E.Huang）提出了一种自适应滤波方法，即经验模态分解（EmpiricalModeDecomposition，EMD）法。该方法能够动态适应数据特征，且可用于分析非线性非平稳信号[23]。2019年，汪旻达使用集合经验模态分解从ROI图像中提取得到的颜色序列，取得了比经典算法更好的测量效果[24]。图1-4经验模态分解效果


本文编号：3554329