人體心率信息在健康領(lǐng)域有著不可替代的作用,醫(yī)學(xué)上常常將它作為生理健康的重要指標(biāo)之一。近年來(lái),研究發(fā)現(xiàn)一種稱為光電容積描記法的測(cè)量手段可以實(shí)現(xiàn)無(wú)創(chuàng)測(cè)量,通過(guò)對(duì)視頻中的信息進(jìn)行提取,實(shí)現(xiàn)簡(jiǎn)單、無(wú)創(chuàng)的心率信息測(cè)量。光電容積描記法是根據(jù)血液容積的變化原理實(shí)現(xiàn)的,本課題基于該原理實(shí)現(xiàn)一種非接觸式測(cè)量心率的方法,利用檢測(cè)人臉,直接跟蹤感興趣區(qū)域等方法對(duì)攝像頭獲取的視頻進(jìn)行信息提取,通過(guò)帯通濾波、獨(dú)立成分分析等方法提取出有效的心率信號(hào)。該方法與傳統(tǒng)的接觸式心率測(cè)量方法相比較而言,具有舒適、簡(jiǎn)單的優(yōu)點(diǎn),并且實(shí)現(xiàn)成本較低,適合廣泛推廣,對(duì)未來(lái)人機(jī)交互和醫(yī)療監(jiān)控領(lǐng)域的發(fā)展起到重要的作用。本文主要工作如下:一方面,采用高清攝像頭獲取視頻連續(xù)幀,利用歐拉影像放大算法對(duì)圖像序列進(jìn)行顏色增強(qiáng)。考慮到被測(cè)目標(biāo)易抖動(dòng)及環(huán)境光照等諸多干擾因素,本文綜合考慮面部區(qū)域紋理特征與肌膚干擾程度等因素,提出基于鼻梁的信號(hào)提取方法,實(shí)驗(yàn)證明基于鼻梁區(qū)域的信號(hào)提取能夠盡可能減少噪聲干擾,是理想的信號(hào)提取區(qū)域之一。在非接觸式心率測(cè)量中,如何穩(wěn)定的獲取感興趣區(qū)域至關(guān)重要,針對(duì)此問(wèn)題,本文提出基于KCF的目標(biāo)跟蹤算法,對(duì)感興趣區(qū)域直接進(jìn)行跟蹤。實(shí)驗(yàn)證明,準(zhǔn)靜態(tài)下,基于KCF目標(biāo)跟蹤算法的定位方式,可以快速、穩(wěn)定的獲取連續(xù)ROI區(qū)域,對(duì)提高心率測(cè)量精度起到了重要作用。根據(jù)設(shè)計(jì)的心率測(cè)量系統(tǒng),研究了測(cè)量角度和距離對(duì)實(shí)際心率測(cè)量的影響,分析實(shí)驗(yàn)結(jié)果說(shuō)明了系統(tǒng)測(cè)量心率與實(shí)際心率具有高度相關(guān)性和一致性。另一方面,在實(shí)際測(cè)量中,當(dāng)目標(biāo)重新出入視頻范圍內(nèi)時(shí),基于KCF的目標(biāo)跟蹤算法將不能繼續(xù)心率測(cè)量。針對(duì)這種情況,文中對(duì)實(shí)際測(cè)量時(shí)可能出現(xiàn)的情況作了簡(jiǎn)要分析并分別給出了對(duì)應(yīng)的解決方案。對(duì)于ROI丟失后重定位的問(wèn)題,本文提出基于提取眼部輪廓中心點(diǎn)間接定位ROI部位的方式,采用Canny算子對(duì)眼部圖像進(jìn)行邊緣檢測(cè),計(jì)算提取的輪廓中心點(diǎn)信息,最終解決了心率測(cè)量中ROI重定位的問(wèn)題。實(shí)驗(yàn)表明此方法在ROI丟失后可以重新定位新的ROI部位,從而實(shí)現(xiàn)持續(xù)不間斷的心率監(jiān)測(cè)。最后,本文研究了不同大小ROI以及測(cè)量位置對(duì)心率測(cè)量的影響,并對(duì)結(jié)果進(jìn)行了簡(jiǎn)要分析,說(shuō)明了系統(tǒng)心率測(cè)量的有效性。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R540.4;TP391.41
【部分圖文】：

心臟周期搏動(dòng)會(huì)造成全身血管周期性容積發(fā)生變化，這種有規(guī)律的周期變化就是脈搏，也就是常說(shuō)的心跳。臨床上通常通過(guò)傳感器貼附在人體表面感知?jiǎng)用}波動(dòng)情況探測(cè)人體脈搏。如下圖 2.1 所示，當(dāng)光照透過(guò)人體組織時(shí)，會(huì)被血液吸收一部分，而其他的組織如骨骼、肌肉等對(duì)光的吸收幾乎是固定的，由于人體表面有很多毛細(xì)血管，例如人的臉部就包含豐富的毛細(xì)血管，在心臟周期性搏動(dòng)時(shí)，造成毛細(xì)血管中血液容積隨之變化，這將導(dǎo)致血液對(duì)光的吸收也是不斷變化的。通過(guò)一定的技術(shù)手段，可以將變化的光信號(hào)轉(zhuǎn)換為電信號(hào)，此時(shí)電信號(hào)的變化與光信號(hào)的變化相一致，即電信號(hào)與血液容積的變化一致。電信號(hào)中將包含兩種成分，骨骼肌肉等對(duì)光照固定的吸收量以及容積變化的血液對(duì)光照變化的吸收量，電信號(hào)中包含直流成分與交流成分，其中的交流成分與血液的容積變化保持一致性，這種技?

電容積脈搏波描記法，即 PPG。圖 2.1 皮膚組織示意圖圖 2.2 表示的是 PPG 信號(hào)和 ECG 信號(hào)的對(duì)比圖，從圖中可以看出，ECG 信號(hào)周期性非常明顯，這是因?yàn)?ECG 信號(hào)是通過(guò)接觸式傳感器測(cè)量得到，它可以準(zhǔn)確地獲取脈搏的搏動(dòng)，缺點(diǎn)是需要測(cè)量者穿戴傳感器設(shè)備，與人體接觸才可以測(cè)量。因?yàn)檠喝莘e的周期性變化，可以看出 PPG 信號(hào)同 ECG 信號(hào)一樣具有周期性。圖 2.2 PPG 信號(hào)與 ECG 信號(hào)對(duì)比圖圖2.2表示的是比較理想情況下的PPG信號(hào)，實(shí)際測(cè)量時(shí)往往不可能完全處于靜止?fàn)顟B(tài)，由于被測(cè)者的移動(dòng)和環(huán)境光照等等其他因素的干擾，最終實(shí)際得到的信號(hào)可能包含有許多的噪聲，但是其中仍然包含有心率的信息，如圖 2.3 所示

圖 2.3 包含噪聲的 PPG 信號(hào)噪聲的特性理可知，實(shí)際測(cè)量的 PPG 信號(hào)可能包含諸多噪聲，系統(tǒng)他環(huán)境干擾的影響。由于脈搏波信號(hào)中包含的有效信號(hào)很取出有效信號(hào)，所以在提取心率前需要對(duì)原始 PPG 信號(hào)進(jìn)盡可能提高檢測(cè)結(jié)果的準(zhǔn)確度。通過(guò)查閱相關(guān)文獻(xiàn)[25-42]，可見(jiàn)光、工頻、高頻、運(yùn)動(dòng)偽差、基線漂移、信號(hào)變異等。波描記法一般使用光束作為光源，周圍的環(huán)境光對(duì)實(shí)驗(yàn)結(jié)果實(shí)驗(yàn)時(shí)，不同的光照環(huán)境時(shí)實(shí)驗(yàn)結(jié)果會(huì)造成不同程度的影
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊凱杰;田暢;關(guān)文君;;快速目標(biāo)跟蹤算法及其嵌入式實(shí)現(xiàn)[J];軍事通信技術(shù);2016年04期

2 陳偉;祝恩;劉天航;殷建平;邱明輝;;目標(biāo)跟蹤算法的并行優(yōu)化[J];計(jì)算機(jī)工程與科學(xué);2016年11期

3 張濤;李繼生;董恩國(guó);;基于人臉識(shí)別的移動(dòng)目標(biāo)跟蹤算法研究[J];現(xiàn)代制造技術(shù)與裝備;2017年02期

4 李賀;;基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究綜述[J];黑龍江科技信息;2017年17期

5 吳小俊;徐天陽(yáng);須文波;;基于相關(guān)濾波的視頻目標(biāo)跟蹤算法綜述[J];指揮信息系統(tǒng)與技術(shù);2017年03期

6 王立新,戴冠中;一種分散化多站聯(lián)合目標(biāo)跟蹤算法[J];航空學(xué)報(bào);1988年03期

7 V.納加拉簡(jiǎn);R.N.沙馬;肖萬(wàn)選;;改善邊跟蹤邊搜索雷達(dá)的檢測(cè)和跟蹤性能的新方法(第二部分)——檢測(cè)、航跡的產(chǎn)生與組合[J];雷達(dá)與對(duì)抗;1988年05期

8 孟琭;李誠(chéng)新;;近年目標(biāo)跟蹤算法短評(píng)——相關(guān)濾波與深度學(xué)習(xí)[J];中國(guó)圖象圖形學(xué)報(bào);2019年07期

9 竇慧;趙書斌;王強(qiáng);;基于特征點(diǎn)的典型目標(biāo)跟蹤算法性能分析[J];指揮控制與仿真;2017年02期

10 王麗娜;;基于卡爾曼濾波的單模型目標(biāo)跟蹤算法的仿真研究[J];中國(guó)新通信;2016年10期

相關(guān)博士學(xué)位論文 前10條

1 虎小龍;未知場(chǎng)景多伯努利濾波多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2019年

2 李康;圖像序列中魯棒的視覺(jué)目標(biāo)跟蹤算法研究[D];武漢大學(xué);2016年

3 楊森泉;基于稀疏分析的魯棒目標(biāo)跟蹤研究[D];廣東工業(yè)大學(xué);2019年

4 曾憲佑;復(fù)雜場(chǎng)景下魯棒的目標(biāo)跟蹤算法研究[D];北京交通大學(xué);2019年

5 胡秀華;復(fù)雜場(chǎng)景中目標(biāo)跟蹤算法研究[D];西北工業(yè)大學(xué);2017年

6 王全輝;篩選式知識(shí)輔助多模型機(jī)動(dòng)目標(biāo)跟蹤算法[D];深圳大學(xué);2018年

7 產(chǎn)思賢;基于視覺(jué)系統(tǒng)的智能目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2018年

8 胡琪;基于隨機(jī)矩陣的擴(kuò)展目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2018年

9 張鐸;基于水下無(wú)線傳感器網(wǎng)絡(luò)的自組織目標(biāo)跟蹤算法研究[D];浙江大學(xué);2019年

10 郭巳秋;基于TLD的粒子群目標(biāo)跟蹤理論與應(yīng)用技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2019年

相關(guān)碩士學(xué)位論文 前10條

1 鄭敏;小型無(wú)人機(jī)場(chǎng)景下運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];重慶郵電大學(xué);2019年

2 張代浩;機(jī)場(chǎng)視頻監(jiān)控中基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究[D];南京航空航天大學(xué);2019年

3 周揚(yáng);基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究[D];揚(yáng)州大學(xué);2019年

4 李愛(ài)師;基于相關(guān)濾波的目標(biāo)跟蹤算法研究[D];南京師范大學(xué);2019年

5 李凱強(qiáng);基于實(shí)時(shí)視覺(jué)的運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[D];南京航空航天大學(xué);2019年

6 魏偉;基于多濾波器的在線目標(biāo)跟蹤算法[D];湘潭大學(xué);2019年

7 韓炳慶;智能交通場(chǎng)景中的多目標(biāo)跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2019年

8 賈永超;基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究[D];浙江師范大學(xué);2019年

9 宋柯;基于相關(guān)濾波的多尺度視覺(jué)目標(biāo)跟蹤算法電路設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2019年

10 趙鈺;基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2019年

本文編號(hào)：2883308