發(fā)布時(shí)間：2019-06-15 17:58

【摘要】：基于獨(dú)立分量分析(ICA)的盲源分離技術(shù)可從面部視頻序列中分離出血流脈沖信號(hào)(BVP),進(jìn)而可獲取心率、血氧飽和度和呼吸率等生命體征參數(shù)。但現(xiàn)有研究結(jié)果并未有效展示ICA在BVP獲取方面的優(yōu)勢(shì),因此,一些研究者建議直接利用面部視頻圖像序列的綠色通道分量(G分量)并結(jié)合時(shí)域?yàn)V波進(jìn)行BVP提取(G-BVP)。本文基于9位受試者所提供的面部視頻數(shù)據(jù),對(duì)ICA-BVP和G-BVP兩種方法的性能和特點(diǎn)進(jìn)行了比較,研究了面部器官自然運(yùn)動(dòng)和光照變化等因素引起的視頻干擾成分對(duì)BVP提取效果的影響。實(shí)驗(yàn)表明,ICABVP方法在消除運(yùn)動(dòng)和光照干擾方面具有較明顯的優(yōu)勢(shì)。在ICA-BVP方法的具體實(shí)現(xiàn)過程中,提出了基于譜峭度的BVP信號(hào)自動(dòng)識(shí)別方法,用以解決ICA輸出排序不確定的問題。該方法在動(dòng)態(tài)BVP信號(hào)獲取和心率估計(jì)實(shí)驗(yàn)中取得了較理想的測(cè)試效果。綜上所述,ICA-BVP方法在基于面部視頻的血流信號(hào)提取及生命體征參數(shù)估計(jì)的應(yīng)用中,具有更好的穩(wěn)定性和準(zhǔn)確性。
[Abstract]:The blind source separation technique based on independent component analysis (ICA) can separate the bleeding flow pulse signal (BVP), from the facial video sequence, and then obtain the vital sign parameters such as heart rate, blood oxygen saturation and respiratory rate. However, the existing research results do not effectively show the advantages of ICA in BVP acquisition. Therefore, some researchers suggest using the green channel component (G component) of facial video image sequence directly and combining with time domain filtering for BVP extraction (G-BVP). Based on the facial video data provided by 9 subjects, the performance and characteristics of ICA-BVP and G-BVP methods were compared, and the effects of video interference components caused by natural movement of facial organs and light changes on BVP extraction were studied. The experimental results show that the ICABVP method has obvious advantages in eliminating motion and light interference. In the implementation of ICA-BVP method, an automatic recognition method of BVP signal based on spectral kurtosis is proposed to solve the problem of uncertain ICA output sequencing. This method has achieved ideal test results in dynamic BVP signal acquisition and heart rate estimation experiments. To sum up, ICA-BVP method has better stability and accuracy in the application of blood flow signal extraction and vital sign parameter estimation based on facial video.
【作者單位】： 安徽大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;安徽大學(xué)計(jì)算機(jī)智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61271352,61401002)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李廣彪,張劍云,毛云祥;盲源分離的發(fā)展及研究現(xiàn)狀[J];航天電子對(duì)抗;2004年06期

2 王昆;;盲源分離問題的分析研究[J];科技信息;2008年29期

3 柯維;張永祥;呂博;;基于微分進(jìn)化算法的盲源分離[J];海軍工程大學(xué)學(xué)報(bào);2012年05期

4 林秋華,殷福亮;盲源分離自適應(yīng)算法的統(tǒng)一形式[J];大連理工大學(xué)學(xué)報(bào);2002年04期

5 劉海林;謝勝利;章晉龍;;微延遲病態(tài)卷積混疊盲源分離的可分性研究[J];計(jì)算機(jī)科學(xué);2003年07期

6 吳微東,莊哲民;基于盲源分離的一種快速獨(dú)立分量分析算法[J];汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

7 郭松;孫云蓮;;基于獨(dú)立分量分析盲源分離快速算法[J];電子測(cè)量技術(shù);2004年02期

8 丁鐸,賈永強(qiáng),王映民;一種基于峰度的盲源分離算法研究[J];現(xiàn)代電子技術(shù);2005年14期

9 肖俊,何為偉;源信號(hào)數(shù)目大于觀察信號(hào)數(shù)目情況下的盲源分離[J];現(xiàn)代電子技術(shù);2005年11期

10 李廣彪,張劍云,毛云祥;盲源分離中的非高斯性極大準(zhǔn)則[J];艦船電子對(duì)抗;2005年05期

相關(guān)會(huì)議論文 前10條

1 李舜酩;;轉(zhuǎn)子振動(dòng)信號(hào)的盲源分離研究[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

2 許林周;章新華;范文濤;;一種盲源分離后續(xù)去冗余方法[A];2009年全國(guó)水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

3 韓少博;林京;吳文燾;;頻域盲源分離中的一種穩(wěn)健解排列模糊方法[A];中國(guó)聲學(xué)學(xué)會(huì)2009年青年學(xué)術(shù)會(huì)議[CYCA’09]論文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分離的潛艇源識(shí)別信號(hào)去除干擾研究[A];第十一屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2007年

5 康春玉;章新華;李軍;;盲源分離與自適應(yīng)濾波器結(jié)合抑制強(qiáng)干擾研究[A];2012'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

6 周祥;樊濤;;基于盲源分離的儲(chǔ)油罐底腐蝕混疊信號(hào)的識(shí)別與分離[A];第八屆沈陽科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

7 王穎翠;;一種基于自然梯度的卷積混合頻域盲源分離算法[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

8 許策;章新華;高成志;;源數(shù)目估計(jì)對(duì)盲源分離算法影響分析[A];2007年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

9 成謝鋒;張仲;孫夏;;一種單路混合信號(hào)的盲源分離新方法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 胡增輝;朱炬波;;基于盲源分離的波達(dá)角估計(jì)[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 張良俊;欠定盲源分離算法及其應(yīng)用研究[D];武漢理工大學(xué);2015年

2 吳微;含噪盲源分離算法研究及其在水聲信號(hào)中的應(yīng)用[D];解放軍信息工程大學(xué);2014年

3 駱忠強(qiáng);無線通信盲源分離關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

4 徐先峰;利用參量結(jié)構(gòu)解盲源分離算法研究[D];西安電子科技大學(xué);2010年

5 王爾馥;盲源分離理論及其在通信系統(tǒng)中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2009年

6 李昌利;盲源分離的若干算法及應(yīng)用研究[D];西安電子科技大學(xué);2010年

7 高建彬;盲源分離算法及相關(guān)理論研究[D];電子科技大學(xué);2012年

8 郭靖;盲源分離的時(shí)頻域算法研究[D];重慶大學(xué);2012年

9 張念;盲源分離理論及其在重磁數(shù)據(jù)處理中的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué);2013年

10 劉建強(qiáng);非平穩(wěn)環(huán)境中的盲源分離算法研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 彭帆;多輸入多輸出系統(tǒng)盲源分離頻域新方法的研究[D];汕頭大學(xué);2002年

2 程舒慧;動(dòng)態(tài)盲源分離及其在生物醫(yī)學(xué)信號(hào)處理中的應(yīng)用研究[D];安徽大學(xué);2011年

3 張政;基于獨(dú)立分量分析的盲源分離算法優(yōu)化研究[D];南京信息工程大學(xué);2015年

4 高鵬;基于單通道盲源分離理論的故障特征提取技術(shù)[D];長(zhǎng)安大學(xué);2015年

5 姚鑫;基于EEMD的單通道盲源分離研究與應(yīng)用[D];大連交通大學(xué);2015年

6 張穎;低角雷達(dá)盲信號(hào)分離方法研究[D];河南師范大學(xué);2015年

7 吳康銳;基于空間幾何信息約束的欠定卷積盲源分離[D];南昌大學(xué);2015年

8 李莽;盲源分離在信號(hào)探測(cè)中的應(yīng)用[D];電子科技大學(xué);2014年

9 宋繼飛;噪聲條件下欠定盲源分離算法研究[D];大連理工大學(xué);2015年

10 甘一凡;基于盲源分離的車輛檢測(cè)與分類技術(shù)研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：2500408