基于深度图像的非接触呼吸频率检测方法

为便捷且有效地实现对人体呼吸频率的日常检测,提出基于深度图像的非接触式呼吸频率检测方法。利用Real-Sense相机获取的人体及背景的深度图像信息,根据提出的最大距离限制法与最大外轮廓提取算法分别消除空洞噪声和近距离干扰物体的影响,凸出人体深度图像;通过Zhang-Suen细化算法提取人体骨架,结合骨架关节信息实现对胸腔呼吸区域的定位;利用主成分分析算法(PCA)提取胸腔区域深度图像包含的呼吸信号数据,进一步通过峰值检测法求解人体呼吸频率。实验结果表明,该方法可有效实现对人体呼吸频率的非接触式检测,具有良好的准确性。

融合低秩和稀疏先验的结构性缺失图像修复

针对基于低秩先验的图像矩阵补全算法无法有效处理结构性缺失图像修复的问题,建立了在观测矩阵上使用双重先验的矩阵补全模型,在低秩先验的基础上引入稀疏先验,以便更好地利用观测矩阵的先验特征。该模型根据行列间的相关性,使用低秩先验对矩阵正则化;根据行列内的相关性,使用稀疏先验对矩阵正则化;为了更加精确地逼近秩函数,使用截断Schatten-p范数替代核范数作为低秩先验,从而提出了融合低秩和稀疏先验的矩阵补全模型,并使用交替方向乘子法有效处理所提模型。实验结果表明:算法修复的图像细节清晰,与截断核范数模型算法相比,峰值信噪比和结构相似度提升范围分别为2%~44%和0.7%~8%。