【摘要】：心率是一種重要的生命體征信息,是描述身體狀況和情感狀態(tài)的重要指標。傳統(tǒng)的接觸式心率測量方法在生理或心理上給測量者帶來了許多不便。近幾年提出的基于視頻的非接觸式心率測量方法引起了廣泛關(guān)注,然而在復雜環(huán)境條件下,視頻中由光線變化和面部動作等引起的噪聲會限制心率測量的準確度。本文主要研究了復雜環(huán)境條件下基于人臉視頻的非接觸式心率測量方法,具體工作如下:1)針對脈搏源信號獲取時感興趣區(qū)域(ROI)定位不夠精準的問題,本文提出了改進的人臉關(guān)鍵點檢測方法,將SSD人臉檢測器與面部關(guān)鍵點檢測器相級聯(lián),提高了關(guān)鍵點檢測的準確度。采用基于關(guān)鍵點檢測的算法對ROI進行定位,選取了可靠的ROI,減小了脈搏源信號中的噪聲。2)研究了四種源信號預處理的方法,通過實驗對比了四種方法的有效性,并將基于色度組合的方法與二階導數(shù)差分近似的方法相融合,提高了心率信號的表達能力,從而提高了心率測量的準確性。3)針對傳統(tǒng)心率提取方法抗噪聲能力差的問題,本文提出了基于深度學習的心率提取算法。設計了基于卷積神經(jīng)網(wǎng)絡(CNN)的心率信息特征提取器,將結(jié)合了心率信號周期特性及頻譜特征的時頻表示(TFR)作為輸入,使用多任務學習的方法進行訓練。實驗結(jié)果顯示,基于深度學習的心率測量方法相比于非深度學習的心率測量方法,準確率和魯棒性均有所提升。4)將本文的心率提取算法應用到了活體識別領(lǐng)域,使用心率提取模型提取出的心率特征作為區(qū)分活體和非活體的標志。通過實驗發(fā)現(xiàn),這種方法可以有效地區(qū)分活體和非活體,具有清晰的語義定義。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R318;TP391.41
【圖文】：

＾／ｙｖ逡逑圖２－１心電圖ＥＣＧ信號與光電容積脈搏波ＰＰＧ信號的波形示意圖逡逑如圖２－１所示，心電圖ＥＣＧ信號與ＰＰＧ信號基本是同步的。ＰＰＧ波形中的逡逑由心跳引起的部分通常被稱為交流分量，也即ＡＣ邋（Ａｌｔｅｒｎａｔｉｎｇ邋Ｃｕｒｒｅｎｔ）分量，逡逑該分量一般有一個基本頻率，該頻率值由心率具體決定，通常為１Ｈｚ左右。在交逡逑流分量的基礎(chǔ)上，由于皮膚組織的呼吸作用、血管舒張和收縮以及體溫調(diào)節(jié)等活逡逑動，會疊加上一個直流分量，也即ＤＣ邋（Ｄｉｒｅｃｔ邋Ｃｕｒｒｅｎｔ）分量。這些生理特征因逡逑人而異，因此每個人的ＰＰＧ波形不盡相同。但是對上述ＰＰＧ波形使用合適的濾逡逑波器和放大器就可以提取出相應的ＡＣ分量和ＤＣ分量，為后續(xù)的脈搏波分析提逡逑供基礎(chǔ)。逡逑因為ＰＰＧ信號的ＡＣ分量與心臟搏動是同步的，因此可以用來提取心率信逡逑息。但是通過攝像頭得到的ＰＰＧ信號通常還包含其他的ＤＣ分量。一方面

圖２－２ＳＳＤQ嬄緗峁故疽饌跡郟玻擔蒎義希櫻櫻膩澹ǎ櫻椋睿紓歟澹櫻瑁錚簦停酰歟簦椋猓錚模澹簦澹悖簦錚潁╁澹郟玻擔菔悄勘曇觳飭煊蚍淺３Ｓ玫姆椒�，它辶x暇哂興俁瓤歟雀叩奶氐悖緗峁谷繽跡玻菜盡Ｔ諮盜方錐�，栽溹种不同辶x系某叨群筒煌碭弒鵲奶卣魍忌轄屑觳�，使用低查傌征图检矎T∧勘晡鍰�，高辶x喜愕奶卣魍技觳獯竽勘晡鍰�，峨s誆煌笮〉奶卣魍跡櫻櫻慕涑隹占淶哪勘甌咤義轄緲蚶肷⑽蛔楹蜓】頡Ｔ詡觳飩錐�，褭涯X諉扛齪蜓】蛑信卸廈扛齠韻罄啾鶚清義戲翊嬖�，生成一庚b質(zhì)硎靖美啾鶚欠翊嬖冢⒍鑰虻奈恢媒械髡�，以更好地辶x掀ヅ潿韻笮巫礎(chǔ)４送�，它结邯M司哂脅煌直媛實畝喔鎏卣魍冀性げ�，以处理辶x細髦殖嘰绱笮〉畝韻�。本文利用了邋褭涯藗R瓤旌途雀叩撓攀�，使用褭涯作为辶x先肆臣觳餛鞫勻肆城蚪屑觳�。辶x希玻玻插穩(wěn)肆徹丶慵觳餳際蹂義先肆徹丶慵觳饈侵父ㄈ肆懲枷�，定螒仰面部的关键区域的过倡HＨ歡義廈娌孔頌浠駝詰駁紉蛩馗丶慵觳獯戳頌粽�。人翉刎键点检测主要有三辶x現(xiàn)址椒

本文編號：2788288