论文部分内容阅读
心率是衡量人体健康状况的重要参数之一。传统的心率检测方法需要使用接触式传感器进行测量,存在携带困难、操作复杂、舒适度低等缺点,而成像光电容积描记法(Imaging Photo Plethysmo Graphy,IPPG)可以基于人脸视频实现非接触的心率检测,在远程医疗、体育锻炼、情感计算等众多领域具有广阔的应用前景。然而,现实环境中拍摄的人脸视频一般会存在头部运动和表情变化的干扰,严重影响脉搏波的提取和心率的估计。针对人脸视频心率检测过程中的运动干扰问题,本文研究分析了IPPG技术的基本原理,建立了面部皮肤的视频像素亮度模型,提出了三种具有抗运动干扰能力的人脸视频心率估计方法,并实现了心率检测结果的可视化显示。主要研究工作总结如下:(1)针对人脸视频中的刚性和非刚性运动干扰,建立了一种基于多信号加权的人脸视频心率估计方法。该方法采用判别响应图拟合和KLT跟踪算法检测人脸,结合色度特征提取消除刚性运动干扰,利用频率和梯度先验分配频域和空域权重,通过多信号加权消除非刚性运动干扰,实现了准确的脉搏波提取和心率估计。(2)针对人脸视频中的突发性运动干扰,建立了一种基于小波时频分析的人脸视频心率估计方法。该方法使用小波时频分析评估不同人脸图像块对应的子脉搏波信号质量,结合时空信息融合人脸图像块生成高质量的脉搏波信号,实现了在突发性运动干扰下心率的有效估计。(3)针对人脸视频中运动伪影淹没皮肤颜色变化信号的问题,建立了一种基于高斯导数滤波的人脸视频心率估计方法。该方法设计了一种高斯导数时域滤波器,根据时域三阶导数的差异分离脉搏信号和运动噪声,通过和IPPG方法结合,实现了在运动伪影干扰下心率的有效估计。(4)研究实现了一套人脸视频心率检测可视化系统,该系统采用欧拉视频放大方法揭示由心脏跳动导致的血液容积变化引起的皮肤颜色变化,可视化皮下的血液分布状况,并结合人脸视频心率检测结果为心血管疾病的预防和诊断提供参考。本文研究提出的方法在包括不同年龄、不同性别的受试者人脸视频数据集上进行了实验测试。实验结果表明,本文方法可以抑制运动干扰的影响,实现脉搏波的准确提取和心率的有效估计。