提取视频特征以实时检测新生儿癫痫

发布时间：2020-11-18 17:23

　　 新生儿患有癫痫,并不懂怎样正确表达自己的症状,只能由家人和医生去观察,去判断。新生儿癫痫传统检测分为脑电图检测和运动检测,它们非常耗时,费用昂贵,是限制性和侵入式的,新生儿存在感染的风险。我们采用视频检测,通过智能手机获取新生儿运动视频,然后处理视频信号,检测不寻常运动。视频检测准确、快速、低费用,是非接触、非限制性和非侵入性的,而且对新生儿不会引起皮肤相关并发症,身体运动也没有受到限制,弥补了传统检测的缺陷,是检测新生儿癫痫的最佳选择。本研究主要针对阵挛性癫痫,其发作的特征是身体各部分的周期性往复运动,因此,通过检测身体各部分运动的周期性,就可以判断新生儿是否患有癫痫。研究采用感知哈希法提取出关键帧序列以去除冗余信息;采用背景差分法和自动阈值法将目标和背景分离开来;使用帧间差分法和平坦圆盘元素去除噪声和不动部分;使用三种方法进行周期性检测,分别是平均亮度信号提取法、黑色像素点数统计法和质心坐标提取法,通过对比,选择黑色像素点数统计法和平均亮度信号提取法二者结合的方法作为论文周期性检测方法;最后,采用现实新生儿视频进行检测验证。特点:使用感知哈希法提取关键帧,改进了传统感知哈希法,确定了理想阈值,去除了冗余信息,提高了检测效率;使用形态学法中平坦圆盘元素闭运算提取运动部分,更加精确;改进了传统的彩色图像平均亮度信号提取法,提出了灰度图像平均亮度信号提取法,更简单,周期性检测效果更明显;提出了黑色像素点数统计法;最后将3种周期性检测算法运用到现实新生儿癫痫检测中,绘出了相关曲线,更直观地判断出新生儿是否患有癫痫。
【学位单位】：长安大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R742.1;TP391.41
【部分图文】：

图2.1分出的彩色帧

图2.2分出的灰度帧

感知哈希法提取的关键帧数
【相似文献】

相关期刊论文 前10条

1 罗敏;刘洞波;文浩轩;陈鑫海;宋丹;;基于背景差分法和帧间差分法的车辆运动目标检测[J];湖南工程学院学报(自然科学版);2019年04期

2 冯训伟;;一种结合帧间差分法与光流法的运动目标检测[J];法制博览;2017年03期

3 何烈云;;帧间差分法车速测算技术误差分析与处理[J];中国人民公安大学学报(自然科学版);2014年01期

4 李亮;罗毅;;帧间差分法在视频监控中的应用研究[J];四川理工学院学报(自然科学版);2015年06期

5 赵婷;郑紫微;;基于改进的帧间差分运动目标提取算法[J];无线通信技术;2016年02期

6 刘丽娜;;基于帧间差分的智能视频实时运动目标提取模式研究[J];电脑编程技巧与维护;2015年04期

7 袁伟;王金明;吴加明;秦水介;;基于连续帧间差分和背景差分法在输液速度检测中的研究[J];电子设计工程;2015年14期

8 林雯;;新型基于帧间差分法的运动人脸检测算法研究[J];计算机仿真;2010年10期

9 沈瑜;王新新;;基于背景减法和帧间差分法的视频运动目标检测方法[J];自动化与仪器仪表;2017年04期

10 李延军;黄国勇;;基于帧间差分的火灾预警研究[J];微计算机应用;2010年10期

相关博士学位论文 前2条

1 杨德贵;基于红外序列图像的地物类型反演、目标检测与被动测距研究[D];国防科学技术大学;2010年

2 朱娟娟;电子稳像理论及其应用研究[D];西安电子科技大学;2009年

相关硕士学位论文 前10条

1 李齐杰;提取视频特征以实时检测新生儿癫痫[D];长安大学;2019年

2 吴家俊;基于高速视觉的运动目标检测与跟踪[D];中国科学技术大学;2019年

3 王慧;基于FPGA的独居老人摔倒检测智能灯[D];哈尔滨理工大学;2018年

4 刘彦奎;基于视觉的井下目标检测与跟踪算法研究[D];西安科技大学;2018年

5 赵然;基于FGD技术的公交车客流检测系统的开发[D];山东师范大学;2017年

6 冯尧文;基于帧间差分的运动目标稳健检测方法[D];哈尔滨工业大学;2011年

7 王二力;红外监控系统中关键技术研究[D];西安电子科技大学;2006年

8 乔文;基于图像序列的目标检测与跟踪方法的研究[D];河北大学;2010年

9 胡敬舒;基于帧间差分的运动目标检测[D];哈尔滨工程大学;2013年

10 李欣;基于智能视频监控的多目标检测与跟踪[D];武汉科技大学;2013年

本文编号：2888982