【摘 要】
：
检测人体生理参数可以帮助人们了解自身的健康状况,及时发现疾病并治疗,在医学体系中具有重要意义。基于成像式光电容积描记（Imaging Photoplethysmography,IPPG）技术的非接触式生理参数检测方法,避免了人体与仪器的接触,让居家监测、远程实时检测成为现实,除此之外还具有成本低、操作简单等优点,具有良好的实际应用价值,但是也面临着信号运动伪差难以去除、实时性差等挑战。基于上述背景
论文部分内容阅读
检测人体生理参数可以帮助人们了解自身的健康状况,及时发现疾病并治疗,在医学体系中具有重要意义。基于成像式光电容积描记（Imaging Photoplethysmography,IPPG）技术的非接触式生理参数检测方法,避免了人体与仪器的接触,让居家监测、远程实时检测成为现实,除此之外还具有成本低、操作简单等优点,具有良好的实际应用价值,但是也面临着信号运动伪差难以去除、实时性差等挑战。基于上述背景,本文对基于IPPG的非接触式生理参数的检测现状及背景进行研究,设计脉搏波的获取方案,对心率及血氧饱和度的检测进行一系列实验研究,主要研究内容如下:（1）设计基于IPPG的非接触式生理参数检测系统硬件平台,选用笔记本电脑及其自带摄像头和手机摄像头作为采集视频信号的设备,降低了系统的成本,操作简便易行。通过对相机响应光谱曲线与血红蛋白光谱吸收曲线的研究,对血氧饱和度检测所需的滤光片进行选取,有效简化了血氧饱和度的数学模型。（2）对IPPG信号的提取方案进行研究,通过对比实验找到了最合适的感兴趣区域。选取尺度不变特征转换（Scale Invariant Feature Transform,SIFT）算法对视频图像进行了配准,通过对比实验找到了消除运动伪差效果更好的基准选择方案,有效降低了运动伪差的影响;使用欧拉放大算法对视频颜色变化信号进行了放大和提取,并通过3σ方法进行了异常值的剔除,得到R、G、B三通道的灰度均值数据,最终获得IPPG信号。（3）设计基于IPPG的非接触式心率检测方案,分析了非接触式心率检测方法的生理学基础,从时域和频域两个方面建立计算心率的数学模型,通过基于自适应噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）算法和小波变换以及带通滤波器对IPPG信号进行去噪,有效提取出脉搏波信号。实验结果表明,本文设计的非接触式心率检测方案准确率高,可以代替指夹式血氧仪进行心率的检测。（4）设计基于IPPG的非接触式血氧饱和度的检测方案,建立了血氧饱和度的计算模型,并通过实验对公式进行了小范围定标。选取了人脸检测算法代替SIFT算法实现图像对准,有效降低了运动伪差的干扰;提出了一种基于烟花算法的改进变分模态分解算法,有效地对IPPG信号进行了降噪处理,再通过小波变换提取出脉搏波。实验结果表明,在定标范围内,该方法具有较高的准确性。
其他文献
跨社交网络的用户身份匹配的目的是检测来自不同社交网络的用户是否属于同一个人。这些社交网站中的信息在其它领域中通常具有重要意义,如信息扩散、链接预测、跨域推荐、隐私保护和身份验证等。当前,跨社交网络的用户身份匹配算法主要利用个人属性特征、网络结构特征和行为特征进行研究。虽然现有研究取得了一定进展,但是仍然存在一些不足,比如现有研究未能充分挖掘用户间的亲密程度、缺少大量准确可靠的标签用户,未能有效将全
视频压缩感知系统基于压缩感知理论,仅在一次曝光过程中将多帧画面投影至二维压缩测量,进而实现高速成像。为了从二维压缩测量信号中恢复出原始视频信号,经典的重建算法基于视频的稀疏性先验进行迭代优化求解,但存在重建质量低,且耗时过长等问题。深度学习因优异的学习能力而受到广泛关注,也被应用于视频压缩感知重构问题,但现有基于深度方法的重构算法缺乏对于时空特征的有效表达,重建质量仍需提升。为此,本学位论文着重研
近年来,计算机视觉的发展使得图像处理技术被运用于航空、气象、医疗、安防等各个领域。但是图像在采集、传输和存储等过程中容易受到各种噪声干扰,导致图像质量下降,从而直接影响图像后续处理。因此,图像去噪是图像处理中必不可少的环节。目前研究者们针对高斯噪声进行研究,并提出了许多高性能的去噪算法。而混合噪声的噪声分布较复杂。对诸如混合高斯、脉冲噪声的研究还不够深入,相关算法的去噪性能有待提升。目前对于混合噪
时序动作检测任务是当前计算机视觉领域的研究热点之一。该任务可以定义为:以自然采集的视频片段作为输入,自动输出视频中包含动作片段的开始时间点和结束时间点（时序动作提名生成）,以及该动作的具体类别（动作识别）。本文分别对时序动作提名生成任务和时序动作检测任务进行了探索和研究。关于时序动作提名生成任务,针对现有方法对动作开始和结束边界点难以准确定位的问题,本文提出了一种基于精确边界预测（Boundary
作为自动视频监控中最重要的技术之一,行人重识别（Re-Identification,Re-ID）技术受到了广泛的关注。当前,大多数行人重识别方法假设所有来自不同摄像机的行人图像具有相同的分辨率。然而,在许多真实场景中,由于摄像机与行人之间距离的变化以及摄像机的部署设置,行人图像的分辨率往往不同。由于信息数量的差异,直接匹配不同分辨率的行人图像会对识别性能产生不利影响。为了解决这个问题,一个潜在的解
多无人船系统在执行传统连续分布式编队控制算法过程中,无人船之间需要进行频繁通信且无人船控制器会持续更新。为减少算法执行过程中对通信带宽以及控制器性能的要求,本文通过引入事件触发机制,设计多无人船分布式事件触发编队控制算法。在保证多无人船系统编队控制基础之上,有效降低算法执行过程中无人船之间通信量与控制器更新频率。本文主要研究内容如下:首先,本文提出一种基于事件触发的多无人船分布式编队控制算法。通过
混合式教学结合在线教学和线下教学的优势,在一定程度上打破时空的限制,体现了“以学生为中心”教学范式的转变。伴随着混合式教学规模的扩大,如何通过学习者学习行为数据来分析和挖掘出有用的信息,帮助学习者提高学习效率,改善教师教学水平和质量,成为迫切需要解决的问题。针对上述问题,本文对学生在混合式教学过程中产生的学习行为数据进行分析和挖掘,构建了学习行为数据分析-特征选择-Stacking融合的学业预测模
图像超分辨率重建是一种从低分辨率图像中获取信息,生成对应高分辨率图像的技术。作为计算机视觉领域优化图像质量的一项重要的图像处理技术,图像超分辨率重建在医疗图像、遥感影像和视频监控等场景都具有重要的应用意义。近年来,随着深度卷积神经网络的兴起,基于深度学习的图像超分辨率重建算法逐渐受到更多人的关注。相比传统超分辨率技术,深度学习超分辨率重建算法不仅训练方法简单,而且模型性能提升显著。然而,逐渐加深的
随着机器视觉技术的不断发展与完善,基于机器视觉的导航系统在农业、工业、无人驾驶、服务业等领域都得到了广泛应用。由于城市化的发展,近年来割草机应用的越来越广泛,然而传统的割草机需要人工操作,劳动强度大,工作效率低。随着嵌入式处理器速度的提高以及机器视觉技术的进步,将机器视觉与嵌入式结合,用于对割草机进行自主导航成为可能。因此研究基于机器视觉的割草机自主导航与智能化控制具有重要的理论意义与实际应用价值
随着我国经济的不断发展以及科学技术的进步,对于交通网络的监控日益完善,交通视频监控设备在很多路口完成了部署,为车辆检测、轨迹预测等诸多技术的研究提供了数据支撑,通过这些技术可以挖掘出交通网络中的特征信息,为完善交通以及制定交通策略提供辅助作用。车辆检测是交通视频处理中常用的技术手段,其中的技术难点是如何解决错检、漏检以及外部环境变化对检测结果的影响。针对这些问题本文提出一种改进ViBe算法。根据车