隨著保健意識(shí)的提升,人們?cè)絹?lái)越重視心率的日常檢測(cè)。基于人臉圖像的心率測(cè)量以其無(wú)須接觸、測(cè)量便捷、設(shè)備簡(jiǎn)單的優(yōu)點(diǎn),已成為研究的熱點(diǎn)。受噪聲和被測(cè)者無(wú)意識(shí)晃動(dòng)等因素的影響,現(xiàn)有方法存在測(cè)量準(zhǔn)確率不高、適應(yīng)性不強(qiáng)等問(wèn)題,基于人臉圖像的心率測(cè)量成為一項(xiàng)具有挑戰(zhàn)性的任務(wù)。本文針對(duì)心率測(cè)量準(zhǔn)確率的提升,展開(kāi)對(duì)基于人臉圖像的心率測(cè)量各環(huán)節(jié)優(yōu)化的研究,提出了一種新的基于人臉圖像的心率測(cè)量方法,主要工作如下:1)針對(duì)人臉視頻中心率信號(hào)幅度較弱,常被噪聲遮蓋的問(wèn)題,采用了歐拉影像顏色放大算法,將心率所在的0.85Hz至2Hz頻段進(jìn)行放大,以凸顯心率信號(hào),提高信號(hào)信噪比。2)針對(duì)心率信號(hào)所在頻段還包含大量噪聲的問(wèn)題,提出將變分模態(tài)分解算法應(yīng)用于時(shí)間序列的濾波過(guò)程中。變分模態(tài)分解算法依據(jù)中心頻率的不同,將原信號(hào)分解成多個(gè)具有特定稀疏性的離散子信號(hào)之和,每個(gè)子信號(hào)稱為一個(gè)模態(tài)。分離完成后,以頻率峰值符合心率范圍和加權(quán)后功率最大為標(biāo)準(zhǔn),先剔除中心頻率不符合正常心率范圍的模態(tài),再用乘以系數(shù)的方法凸顯更可能是心率信號(hào)的模態(tài),并保留乘以系數(shù)后功率最大的模態(tài)。之后,在不同參數(shù)設(shè)置下,進(jìn)行分解效果的對(duì)比實(shí)驗(yàn),并給出了比較合... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Verkruysse等人的研究成果

第一章緒論5圖1-3Hao-YuWu等人的研究成果在基于人臉圖像的心率測(cè)量領(lǐng)域，傳統(tǒng)上通常只取綠通道以提取心率。2013年，deHaanGerard和JeanneVincent認(rèn)為紅、藍(lán)兩通道包含有與紅通道互補(bǔ)的脈搏波信息。他們據(jù)此提出了一種將三通道有機(jī)融合，以得到更佳脈搏波源信號(hào)的方法。他們先對(duì)三個(gè)通道都進(jìn)行了標(biāo)準(zhǔn)化，再構(gòu)建正交的兩個(gè)色差信號(hào)。再對(duì)這兩個(gè)色差信號(hào)進(jìn)行帶通濾波后，算出兩個(gè)信號(hào)標(biāo)準(zhǔn)差的商作為參數(shù)，最后使用一個(gè)減去另一個(gè)與參數(shù)的積得到最終的脈搏波信號(hào)。這種方法顯著的降低了照明條件變化對(duì)心率測(cè)量的影響，提高了脈搏波信號(hào)的穩(wěn)健性[20]。除濾除雜波外，ROI的選取也會(huì)影響測(cè)量效果的好壞。不合適的ROI不包含或只包含很少的脈搏波信息，為后續(xù)心率的提取帶來(lái)額外的困難。早在2008年，Verkruysse、Svaasand和Nelson就對(duì)比和討論了分別選取額頭、額頭上的小區(qū)域及眼睛以上發(fā)際線以下部分作為ROI時(shí)，包含的脈搏波信息多少[14]。歐衛(wèi)華，劉萍，周永輝，曹永鋒和熊祥光5人更進(jìn)一步，討論了基于非負(fù)矩陣分解的自動(dòng)ROI選擇方法。他們的方法能自適應(yīng)地估計(jì)非皮膚部位，選擇信噪比高的區(qū)域作為ROI，有效的降低了心率估計(jì)的誤差[21]。2016年，HuanQi、ZhenyuGuo、XunChen、ZhiqiShen和Z.JaneWang發(fā)現(xiàn)，將人臉的不同區(qū)域提取得到的數(shù)據(jù)進(jìn)行融合，能提高心率測(cè)量的準(zhǔn)確性和可靠性。他們通過(guò)使用聯(lián)合盲源分離法來(lái)探索人臉各區(qū)域間的相關(guān)性，比固定ROI時(shí)的測(cè)量結(jié)果更具有魯棒性和準(zhǔn)確性[22]。傳統(tǒng)的傅里葉變換、小波變換等算法存在難以應(yīng)用于非線性非平穩(wěn)信號(hào)、不能動(dòng)態(tài)適應(yīng)數(shù)據(jù)等缺陷，將這些方法應(yīng)用于心率測(cè)量會(huì)造成了一定的不利影響。

第一章緒論61998年，黃鍔（N.E.Huang）提出了一種自適應(yīng)濾波方法，即經(jīng)驗(yàn)?zāi)B(tài)分解（EmpiricalModeDecomposition，EMD）法。該方法能夠動(dòng)態(tài)適應(yīng)數(shù)據(jù)特征，且可用于分析非線性非平穩(wěn)信號(hào)[23]。2019年，汪旻達(dá)使用集合經(jīng)驗(yàn)?zāi)B(tài)分解從ROI圖像中提取得到的顏色序列，取得了比經(jīng)典算法更好的測(cè)量效果[24]。圖1-4經(jīng)驗(yàn)?zāi)B(tài)分解效果


本文編號(hào)：3554329