基于低秩稀疏矩阵分解的非接触心率估计

发布时间：2021-03-15 18:07

　　心率检测作为一项重要的生理检测指标,在医学健康、刑侦检测、信息安全等方面具有重要应用。计算机视觉领域近期的研究表明,心率信号可以通过摄像头捕捉的视频予以获取。现有的研究方法在理想的实验环境下已取得较好的效果,然而在自然状态面部旋转以及出现各种噪声（阴影、遮挡）时鲁棒性较弱。通过检测人脸的关键点,获得面部区域的感兴趣,避免因面部旋转引入检测误差,在现有模型的基础上提出一种基于低秩稀疏矩阵分解的非接触式心率估计模型,对频域血液体积脉冲（BVP）信号矩阵实现去噪处理,解决使用摄像头非接触式获取心率信号时存在的问题。实验显示,该模型在MAHNOB-HCI数据集上实现了3.25%的误差比均值,优于现有的模型。 

【文章来源】：图学学报. 2020,41(01)北大核心

【文章页数】：7 页

【部分图文】：

基于摄像头非接触式心率检测示意图传统的研究方法已经较为成功地解决了受控

低秩稀疏矩阵分解模型(其中观测矩阵(ObservationMatrix)可以被分解为一项低秩矩阵(LowrankMatrix)和一

结果的Bland-Altman图图7本文方法与其他测量方式(c)白色人种两种

【参考文献】：
期刊论文
[1]基于普通摄像头的心率测量方法研究[J]. 刘祎,欧阳健飞,闫勇刚.  计算机工程与应用. 2016(07)
[2]从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立.  自动化学报. 2013(07)



本文编号：3084588