论文部分内容阅读
由于可以方便地实现无干扰不间断的生命体征监测,远程光电容积描记法(rPPG)在过去十年中吸引了广泛的研究兴趣。rPPG技术的原理是通过相机测量皮肤表面由血容量变化引起的微弱颜色变化。作为心理-生理信息的来源,心率是人类最基本的四大生命体征之一,远程心率监测通常是一些实际场所需要优先考虑的(例如医院、零售店、健身房等)。虽然rPPG可通过使用主成分分析(PCA)、独立成分分析(ICA)等不同的方法来实现非接触式心率监测,但是在皮肤检测这一步骤上,这些方法广泛采用传统的人脸检测、人脸跟踪、皮肤选择。连续的多步骤皮肤检测影响了监测的实时性和准确性,同时对检测部位产生了限制。此外,目前获取rPPG原始信号的所必备的相机一般是价格昂贵,从而限制了非接触式心率监测的大规模应用。针对现有rPPG心率监测方法中皮肤检测方法的局限性,本论文提出了一种普适性的解决方案:利用卷积神经网络来检测皮肤区域,结合适用于廉价相机的单通道rPPG算法来实现无约束环境中的心率信号监测。本文创建了基准数据库(包括43个被测者的120个面部视频)来验证所提出方案的有效性。此外,本文还从相机硬件条件和监测环境两个方面设置对比实验,以信噪比为指标评估不同成本相机(价格低于600元)的rPPG信号质量,从而提供一种系统的测试和选择低成本相机的基准测试方法。与广泛使用的三步皮肤检测方法相比,本论文使用的卷积神经网络方法(CNN/FCN)可以一步完成皮肤甄选来增强心率监测的鲁棒性。在手动框选皮肤区域方式下,可让低成本相机所采取的视频质量满足单通道rPPG心率监测算法需求。结合两者,最后的实验结果表明,利用CNN/FCN-rPPG心率检测方法,特定的低成本相机具有高信噪比,有利于非接触式心率监的大规模部署。