多特征区域FastICA的非接触式心率检测

人脸视频单特征区域的非接触式心率检测方法,提取的脉搏波信号在视频采集过程中易受运动和光照的影响.为了减弱运动伪差和光照不均对脉搏波信号的干扰,本文提出了一种多特征区域结合快速独立成分分析的非接触式心率信号提取方法.通过人脸特征点算法结合区域中心定位的方法选择多特征区域,保证了视频图像特征区域的稳定性;使用快速独立成分分析实现多特征区域中图像绿色通道血容量变化脉冲信号之间的相互补偿,降低了光照不均匀的影响.在国外公开数据集DEAP上进行实验,实验结果表明,本文方法优于已有基于独立成分分析,独立矢量分析的方法.     

非合作面部晃动情况下的心率检测

目的 心率是直接反映人体健康的重要指标之一,基于视频的非接触式心率检测在医疗健康领域具有广泛的应用前景。然而,现有的基于视频的方法不适用于复杂的现实场景,主要原因是没有考虑视频中目标晃动干扰和空间尺度特征,使得血液容积脉冲信号提取不准确,检测精度不尽人意。为了克服以上缺陷,提出一种抗人脸晃动干扰的非接触式心率检测方法。方法 本文方法主要包含3个步骤：首先,针对目标晃动干扰人脸区域选择的问题,利用判别响应图拟合检测参考图像的人脸区域及主要器官特征点,在人脸跟踪时首次引入倾斜校正思想,输出晃动干扰抑制后的人脸视频;然后,结合空间尺度的差异,采用颜色放大方法对晃动干扰抑制后的人脸视频进行时空处理,提取干净的血液容积脉冲信号;最后,考虑到小样本问题,通过傅里叶系数迭代插值的频域分析方法估计心率。结果 在人脸静止的合作情况以及人脸晃动的非合作情况下采集视频,对心率检测结果进行定量分析,本文方法在两种情况下的准确率分别为97.84%和97.30%,与经典和最新的方法相比,合作情况准确率提升大于1%,非合作情况准确率提升大于7%,表现了出色的性能。结论 提出了一种基于人脸视频处理的心率检测方法,通过有效分析人脸的晃动干扰和尺度特性,提取到干净的血液容积脉冲信号,提高了心率检测的精度和鲁棒性。     

自适应人脸多区域分析的视频心率检测

心率是衡量人体心血管健康状况和情绪压力的重要生理参数. 然而, 基于视频的非接触式心率检测技术在真实场景中, 会由于人脸运动和光照变化等导致检测准确性的降低. 为了解决上述问题, 考虑到心率检测算法中感兴趣区域(region of interest, ROI)的选取与检测准确度高度相关. 故提出一种自适应超像素分割多区域综合分析的心率检测新方法. 首先利用人脸检测和追踪算法, 裁切获得人脸图像; 之后采用自适应超像素分割算法将ROI划分成互不重叠的子块; 再通过色度特征提取构建各子块原始血液容积脉搏矩阵; 最后对脉搏矩阵使用多指标综合分析并挑选出最佳区域进行心率估计. 实验结果表明, 通过自适应超像素分割和多区域分析优选可以有效提升心率检测准确性. 在静止状态下和运动干扰条件下准确性分别达到99.1%和95.6%, 光照干扰条件下准确性相对传统方法最高提升8.2%. 增强了真实场景下心率检测的鲁棒性.     

现实场景中非接触式心率检测方法研究

现有的非接触式心冲击描记术（ballistocardiography,BCG）利用运动追踪捕捉头部微弱运动,存在着光照干扰、运动干扰等问题。针对该问题,提出了一种基于方向可调滤波器的头部微小振动检测方法（steerable filters schematic detection BCG,SD-BCG）,以实现非接触式心率检测。对输入视频进行人脸检测,并框选出目标检测区域;设计一种基于方向可调滤波器的振动信号提取方法,提取目标区域的相位差信号,并针对相位差信号进行带通滤波和主成分分析,滤除干扰噪声并建立BCG信号;通过傅里叶变化将BCG信号转化至频域,从频谱密度函数中提取心率值。实验结果表明该方法能够适应不同光照和不同运动干扰情况,其心率检测准确率优于现有的运动追踪捕捉BCG信号提取方法。     

复杂背景下人体检测算法

静态图像的人体识别技术在实际视频监控场景中, 面临背景复杂、图像分辨率低、光照影响和噪声干扰等问题, 这些多变性以及可能发生的遮挡给单一图像中的人体识别技术提出了挑战. 设计和实现一种复杂背景下的人体检测算法, 基于HOG人体检测算法, 使用积分直方图计算HOG特征, 并用级联SVM分类器对样本进行训练. 实验结果表明, 该算法在复杂视频监控场景中进行人体检测比其它人体检测算法具有更高的准确率和更快的检测速度.     

非接触式胎儿心率检测

胎儿心率检测是围产期常规检测,是评估孕妇和胎儿健康的主要生理指标.相对现有的接触式胎心检测技术,本文提出一种更为便捷,成本低廉的非接触式胎儿心率提取算法.首先基于欧拉视频颜色放大技术,对视频中颜色信号放大.其次,利用光电容积脉搏波描记法提取血液容积脉冲信号,并对母体噪声进行分离,计算功率谱密度提取.将采集到的胎心率,与医院专用胎心设备检测的结果进行定量分析,数据表明可以达到96%的准确度.     

基于声像特征的场景检测 *

视频的结构分析是实现视频基于内容组织和检索的基础。目前 ,已经有很多用于视频镜头分割的成熟算法 ,但准确探测视频场景边界还比较困难。提出了一种融合视频中音频与可视特征进行场景检测的方法。该方法首先分别依据镜头的声、像特征相关性来对镜头进行聚类 ,然后综合处理依声、像相关性得到的镜头聚类来获取场景。实验结果证明 ,此方法较一般使用单一特征的场景检测方法提高了探测的准确率 ,同时也降低了误判率。     

基于目标检测的地铁站人群数量估计

为实时估计并控制地铁站的人群数量,提出了一种基于改进YOLOv3的人群数量估计方法.首先,对收集的多场景的地铁监控视频进行抽帧、采样、标注等前期处理;其次,通过上采样改进模型的输出尺度,同时以"人头"代替"人"作为检测目标训练检测模型;最后,对测试结果进行评估,验证所提出方法的有效性及实时性.实验结果表明,在地铁监控视频检测任务中,改进YOLOv3检测方法的平均准确率可以达到90.42％,每帧的检测时间大约50 ms,在达到准确率要求的同时,可以满足特定场景所需的实时检测的需求.     

基于ORB和灰度序特征的视频拷贝检测

针对目前数字视频版权保护问题,提出一种基于ORB (oriented FAST and rotated BRIEF)二值特征描述符局部特征和灰度序全局特征的视频拷贝检测方法.通过比较相邻视频帧灰度直方图的巴氏距离对视频进行镜头分割,将镜头的第一帧作为视频关键帧,提取其灰度序特征和ORB特征,利用灰度序特征对查询视频进行初次匹配,去除部分干扰视频,使用ORB特征对灰度序检测结果再次匹配,得到视频拷贝检测结果.实验结果表明,该方法在视频拷贝检测方面具有可行性和有效性,并且准确率和召回率均可达80％以上.     

无人机平台的人体呼吸率检测

使用无人机载相机进行呼吸率检测是一种新兴的伤情评估手段,然而现有的视频呼吸率检测算法只适用于固定相机。在基于空间相位的呼吸信号提取技术基础上,提出一种基于无人机载视频的人体呼吸率非接触式测量方法,使用复可控金字塔提取出每一帧图像的空间相位,按时间顺序排列得到相位序列;接着采用经验模态分解从相位序列中拆解出多个模态分量,并设计频率变异性分析模型从中选择出具有稳定频率的分量,也即目标呼吸信号;利用峰值检测方法检测出人体呼吸率。实验结果表明,该方法在无人机晃动干扰下的呼吸率检测平均准确率能够达到98%以上,优于现有检测方法。     

基于低秩稀疏矩阵分解的非接触心率估计

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。     

采用自适应信号恢复算法的非接触式心率检测

目的 心率是反映人体心血管状况和心理状态的重要生理参数。最近的研究表明,光电容积成像技术可以在不接触人体的情况下,利用消费级的摄像机捕获面部表皮颜色的变化进而估计心率。然而,在实际环境中,面部运动带来的干扰会导致心率检测的准确性下降。近年来,国内外学者已经提出了一些方法来去除运动噪声,但是效果均不理想。为了解决上述问题,提出一种可以抗面部运动干扰的新方法。方法 首先检测和跟踪受试者的脸部。然后将脸部区域分块,并提取各块的色度特征建立原始血液容积脉冲矩阵,利用自适应信号恢复算法从原始血液容积脉冲矩阵中分离出低秩矩阵并构建期望血液容积脉冲信号。最后通过功率谱密度估计心率。结果 在环境光作为光源的条件下,利用网络摄像头采集30名受试者的人脸视频进行实验分析。结果显示,提出的方法测得的心率与参考值具有很强的相关性：在静态场景中皮尔森相关系数r=0.990 2,在动态场景中r=0.960 5。并且与最新方法相比,动态场景中的误差率降低了53.90%,相关性提高了7.46%。此外,在10 min的心率检测实验中,方法的测量值与参考值保持着良好的一致性。结论 本文方法优于现有的非接触式心率检测技术,能有效地消除面部运动带来的干扰,长期稳定地检测心率。     

Heart Rate Extraction from Vowel Speech Signals

This paper presents a novel non-contact heart rate extraction method from vowel speech signals.The proposed method is based on modeling the relationship between speech production of vowel speech signals and heart activities for humans where it is observed that the moment of heart beat causes a short increment(evolution) of vowel speech formants.The short-time Fourier transform(STFT) is used to detect the formant maximum peaks so as to accurately estimate the heart rate.Compared with traditional contact pulse oximeter,the average accuracy of the proposed non-contact heart rate extraction method exceeds 95%.The proposed non-contact heart rate extraction method is expected to play an important role in modern medical applications.     

具有抗环境热源干扰的热释电探测器的应用研究

热释电型探测器实际是一种对温度敏感的传感器.由于各种外界环境都可能产生一定的温度场变化,因此热释电型探测器难免受到外界干扰而引入误差.根据热释电敏感元件的探测原理,本文提出一种对正负脉冲信号和连续正负脉冲信号进行对称峰值检测的方法.若检测到的热释电信号为对称正负信号则表示被检测目标为动态热源,否则表示为静止热源.用这种方法对敏感元件的输出信号进行处理可以十分有效地消除位置固定(或移动速度很慢)的热源所产生的干扰.     

不可逆电消融手术中心电同步算法及系统设计

随着不可逆电脉冲穿孔消融手术等疗法的发展,传统的心电信号同步设备从精确度、抗干扰能力以及安全性的角度无法满足要求。针对此问题,提出了适用于不可逆电消融手术的心电同步算法,包括一种区间可预测性条件和一种消融区间起点精确标定算法。在满足可预测条件的情况下对消融区间起点进行精确标定,实现在强干扰条件下的心电信号同步。经过实时心电信号和MIT-BIH心律失常数据库的验证,表明系统和算法具有较高的精度和可靠性,并可在嵌入式系统上实现。     

一种基于地磁信号的激光同时定位与建图的闭环 检测方法

激光同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术在激光干扰或结 构高度相似的环境中,容易产生闭环误检。针对这一问题,该研究提出一种闭环粗匹配与地磁特征 筛选闭环检测算法。通过在闭环检测环节中加入地磁匹配算法,对候选闭环检测位姿节点集进一步 筛选,降低了传统激光闭环检测的误检现象,并对定位与建图环境中由于反射与透射干扰而引起的误 检测与建图失真进行修正。该研究采集了真实的激光点云与地磁信号数据集,并将所研究算法与传统 激光 SLAM 进行了对比。实验结果显示,该算法在匹配速度和准确率上都有明显提升,与 Google 的 Cartographer 算法相比,在闭环检测速度上提升了 31%,在 0.8 召回率的情况下闭环检测的误检率降低 了 23%,提升了 SLAM 技术在激光干扰条件下工作的稳定性。     

基于图像分割的森林火灾早期烟检测算法研究

针对森林这样的大空间、复杂场景下的火灾检测,提出一种在单帧视频序列图像中的烟检测方法,并研究一种新的超像素合并算法,改进现有的天地线检测算法。该方法对图像进行SLIC（Simple Linear Iterative Clustering）超像素分割,并用一种新的超像素合并算法解决过分割问题;通过改进的天地线分割算法,排除天空中云对于烟检测的干扰;根据光谱特征,运用支持向量机（SVM）对超像素块进行分类。实验结果表明,超像素合并算法高效简洁,易于编程实现,基于图像分割的烟检测技术能排除云雾等噪声对烟雾检测的干扰,在森林场景下的烟雾检测正确率为77%,可以作为人工森林火灾监测的辅助手段。