基于人脸视频的心率信号分离算法研究

发布时间：2021-06-22 03:46

　　心率是心脏每分钟跳动的次数,心率检测也是评估心脏健康状况的重要手段。已有的心率检测分为接触式和非接触式,其中接触式心率检测精度较高,但需要与皮肤接触、并且使用复杂不适用于大面积皮肤烧伤等特殊情况。近年来,基于人脸视频的非接触式心率检测引起了广泛的关注,并取得了不错的进展。但实际应用中,从人脸视频中提取的光电容积脉搏波（PPG）信号包括多种类型的噪声,如何从混合PPG信号中分离出心率信号是心率检测研究的重点和难点。针对此问题,本文给出基于形态学变量分析（MCA）和稀疏重构的心率信号分离算法,包含字典训练、信号分离和稀疏重构三个部分。具体来说,先分别训练可控环境的字典与背景噪声的包含心率信号的字典,并组成联合字典;然后将混合信号在联合字典进行稀疏分解;最后通过对应字典的稀疏系数重构获得心率分离信号。通过对实际采集的数据进行分析,实验结果表明所使用算法的有效性和稳定性。 

【文章来源】：贵州大学贵州省 211工程院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

心率检测的潜在需求心率的检测方式近年来呈现多种多样的态势，例如中医把脉、心电图检测等

图 1.2 心率检测方式：接触式的心率检测主要包括中医传统把脉、指夹式和夹耳垂式以及心电图（ECG）三种方法；非接触式的心率检测，主要有基于人脸视频和基于人体关节（通过手腕或脚踝进行红外线光照反馈）的两种方式。因此非接触式心率检测受到了广泛的关注和研究。基于人体关节

中医传统把脉心率检测

【参考文献】：
期刊论文
[1]基于形态字典学习的复杂背景SAR图像舰船尾迹检测[J]. 杨国铮,禹晶,肖创柏,孙卫东.  自动化学报. 2017(10)
[2]基于MCA与判别字典学习的场景图文字检测方法[J]. 刘舒萍,汤宏颖.  传感器与微系统. 2017(07)
[3]用于图像分类在线字典学习算法[J]. 兰俊花.  哈尔滨商业大学学报(自然科学版). 2015(05)
[4]基于联合对角化算法的非接触心率估计[J]. 王英志,韩太林.  生物医学工程学杂志. 2014(04)
[5]心室率在正常范围内心律失常的诊断问题[J]. 成建国.  西藏医药. 2014(02)
[6]基于光体积描述记成像技术的非接触低成本生理信息的检测[J]. 刘赫,王亚东,王磊.  集成技术. 2012(02)
[7]基于DCT过完备字典和MOD算法的图像去噪方法[J]. 杨俊,谢勤岚.  计算机与数字工程. 2012(05)
[8]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)
[9]不同年龄段健康人心率变异性分析[J]. 邱勇玉,刘海妹,包小英.  卫生职业教育. 2008(12)
[10]静息心率与心血管疾病的研究进展[J]. 马斌,王瑞英.  心血管病学进展. 2006(S1)

博士论文
[1]基于稀疏表示和字典学习的语音增强算法研究[D]. 鲍光照.中国科学技术大学 2015

硕士论文
[1]基于形态成分分析的语音活动检测[D]. 付茂国.哈尔滨理工大学 2016
[2]稀疏表示中字典学习的研究及应用[D]. 兰俊花.天津大学 2015
[3]基于稀疏表示和字典学习的图像去噪方法的研究[D]. 林家印.广东工业大学 2015
[4]心血管疾病脉象诊断专家系统研究[D]. 李磊.广东工业大学 2007



本文编号：3242050