基于视频的婴儿睡眠评估算法研究

发布时间：2021-11-08 19:12

　　睡眠占据婴儿生活的大半部分,优质的睡眠不仅有利于婴儿骨骼、组织器官和免疫系统的发育,更有助于中枢神经系统的成熟、智力的成长。当前国内外关于睡眠评估的研究主要是针对病人或者成人,对婴儿的研究较少。本文主要研究了基于视频的婴儿睡眠评估算法。由于本文所使用的视频均来自于网络,考虑到视频来源的独特性及不同年龄阶段婴儿独特的睡眠习性,本文分别对入眠、睡眠姿势、睡眠质量共三方面的内容进行了研究,本文的主要工作如下:第一,婴儿入眠检测。本文提出了一种基于支持向量机（Support Vector Machine,SVM）的婴儿入眠检测算法。因睡眠是一个持续性的过程,判断某一时刻婴儿是否处于睡眠,应该结合包含此时刻的某个区间综合判断。本算法使用当前时刻前后一分钟内的数据来评估,并根据距离目标时刻的远近赋予不同的权值,最后使用SVM分类器进行训练。在本文婴儿视频的条件下,实际测试的睡眠检测准确率为85.5%。第二,婴儿睡眠姿势分类。本文提出了一种基于XGBoost（eXtreme Gradient Boosting）的婴儿睡眠姿势分类算法。目前流行的睡眠姿势检测是基于压力传感器和深度相机,没有发现基于普通... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 婴儿入眠检测
        1.2.2 婴儿睡眠姿势
        1.2.3 婴儿睡眠质量
    1.3 本文主要贡献及创新
    1.4 论文结构安排
第二章 视频图像预处理
    2.1 图像灰度化
    2.2 图像归一化
    2.3 高斯模糊
    2.4 高斯混合模型背景提取
    2.5 图像开操作
    2.6 本章小结
第三章 婴儿入眠检测
    3.1 基于线性回归的睡眠检测算法
    3.2 Kripke睡眠检测算法
    3.3 基于SVM的婴儿睡眠检测算法
        3.3.1 SVM分类器
        3.3.2 基于SVM的婴儿睡眠检测算法
        3.3.3 算法测试及分析
    3.4 本章小结
第四章 婴儿睡眠姿势分类
    4.1 基于压力床单的睡眠姿势分类算法
    4.2 XGBoost集成模型
    4.3 基于XGBoost的睡眠姿势分类算法
        4.3.1 婴儿位置中心化
        4.3.2 特征提取
        4.3.3 基于XGBoost的睡眠姿势分类算法
        4.3.4 算法结果分析
    4.4 本章小结
第五章 婴儿睡眠质量评估
    5.1 基于压力传感器的睡眠质量评估
    5.2 基于Zeo的睡眠质量评估
    5.3 基于婴儿视频的睡眠质量评估
        5.3.1 婴儿睡眠
        5.3.2 婴儿睡眠质量评估算法
        5.3.3 算法测试与分析
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 后续工作展望
致谢
参考文献



本文编号：3484054