基于面部视频的非接触式血流信号检测系统研究与实现

发布时间：2017-12-16 04:20

  本文关键词：基于面部视频的非接触式血流信号检测系统研究与实现

  更多相关文章： 盲源分离 独立分量分析 血容量变化脉冲 光电容积描记

【摘要】：随着光电容积脉搏波描记法(PhotoPlethysmoGraphy,PPG)的不断进步,越来越多的研究者们开展了非接触式生理信号检测方法的研究,利用各种不同的信号处理方法可以从面部视频信号中提取出具有研究意义的生理信号,如血容量变化脉冲(Blood Volume Pulse,BVP)、眼动信号等。通过对BVP信号的进一步分析,可以得到心率、呼吸率、心率变异性、血氧饱和度、血压等生命体征参数,这些参数能够准确地反映出人体健康状况水平和情感状态。因此,非接触式生理信号检测方法在医疗健康、疲劳检测以及情感识别等领域中有着极其重要的研究价值。目前,基于PPG技术的非接触式生理信号检测方法的研究主要分为两大类:一类为直接将绿色通道分量作为BVP信号进行生命体征参数提取的G-BVP方法;另一类为使用独立分量分析(Independent Component Analysis,ICA)等盲源分离技术从三基色通道信号中分离出BVP信号的ICA-BVP方法,两种方法得到的BVP信号不同,对后续的信号处理步骤也产生一定的影响。现有的研究结果并没有完全展现出两种方法各自的优缺点,因此本文主要针对G-BVP方法和ICA-BVP方法在不同场景下的性能和特点进行了比较,大量实验结果表明G-BVP方法具有较高的运算效率,而ICA-BVP方法在消除运动和光照干扰方面具有较明显的优势,表现出较好的稳定性和准确性。主要工作如下:1)本文首先在对面部视频进行预处理操作的准备工作中,分析比较了使用人脸检测算法和运动目标跟踪算法给后续处理过程带来的影响,对比两种算法得到的原始信号和提取的BVP信号,选择Mean shift跟踪算法进行面部目标跟踪。并且对几种常用的ICA方法进行了研究,比较这些方法在BVP信号提取以及后续生命体征参数计算过程中的影响,考虑算法的执行效率和平台移植性,分析不同算法的优缺点,最终选择SOBI算法作为本文ICA-BVP方法的主要算法。2)对G-BVP方法和ICA-BVP方法在不同场景下的性能进行了对比分析,基于不同条件下所拍摄的面部视频,研究了分析区域选择、面部器官自然运动和光照变化等因素引起的干扰成分对BVP提取效果的影响。3)在ICA-BVP方法的具体实现过程中,针对ICA输出排序不确定性问题,提出了将谱峭度应用到BVP信号自动识别方法中,对ICA的三路输出信号分别计算谱峭度,将其中谱峭度值最大的一路信号作为BVP,该方法在动态BVP信号获取和生命体征参数提取实验中取得了较理想的测试效果。4)基于Visual Studio 2013平台实现了非接触式血流信号检测系统。系统能够通过连接到电脑端的Web摄像头捕获面部视频进行在线动态心率检测;并且能够从已保存的文件中读取有效的面部视频进行离线动态心率检测。本系统包含G-BVP和ICA-BVP两种方法,用户可以根据需要选择不同的方法进行BVP提取及心率检测,以便进一步分析健康状况等。
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R318;TN911.7

【相似文献】

中国期刊全文数据库 前3条

1 龙利佳;陈健;覃朝东;吴培亨;;前置放大器在高频信号检测系统中的作用[J];低温物理学报;2006年01期

2 芦恒;张辉;;超声波回波信号检测系统研究[J];科协论坛(下半月);2010年02期

3 ;[J];;年期

中国硕士学位论文全文数据库 前10条

1 黄佳骏;液压支架大流量安全阀性能试验装置信号检测系统研究[D];太原理工大学;2016年

2 于春洋;面向家庭使用的生理信号检测系统的设计与实现[D];北京交通大学;2016年

3 王龙;低速重载设备微弱故障信号检测系统的研究与开发[D];西安建筑科技大学;2015年

4 何璇;基于面部视频的非接触式血流信号检测系统研究与实现[D];安徽大学;2017年

5 曾水生;微弱光信号检测系统的设计[D];福建师范大学;2013年

6 刘伟;钢梁微弱应变信号检测系统设计与实现[D];电子科技大学;2011年

7 杨攀;非接触式心电信号检测系统研究[D];浙江大学;2013年

8 郑木火;机车信号检测系统的软件设计与实现[D];哈尔滨工业大学;2007年

9 范伟伟;实验动物生理信号检测系统的设计[D];苏州大学;2007年

10 卢霄;双路闭环谐振式光纤陀螺数字信号检测系统的设计与实现[D];浙江大学;2014年

，

本文编号：1294673