无人机平台的人体呼吸率检测

使用无人机载相机进行呼吸率检测是一种新兴的伤情评估手段,然而现有的视频呼吸率检测算法只适用于固定相机。在基于空间相位的呼吸信号提取技术基础上,提出一种基于无人机载视频的人体呼吸率非接触式测量方法,使用复可控金字塔提取出每一帧图像的空间相位,按时间顺序排列得到相位序列;接着采用经验模态分解从相位序列中拆解出多个模态分量,并设计频率变异性分析模型从中选择出具有稳定频率的分量,也即目标呼吸信号;利用峰值检测方法检测出人体呼吸率。实验结果表明,该方法在无人机晃动干扰下的呼吸率检测平均准确率能够达到98%以上,优于现有检测方法。

无人机晃动下基于相位的视觉振动检测

针对无人机平台视觉振动检测不准确的问题,文章提出一种抗无人机晃动的视觉振动检测算法,用于实现无人机拍摄镜头不稳定情况下的振动检测。该算法利用目标振动的局部性和无人机晃动的全局性,从源视频的混合信号中提取出目标振动。首先根据像素点亮度变化的剧烈程度实现目标振动区域与背景区域的分离;其次对图像的背景区域进行特征点提取,并求解背景区域的运动矩阵;然后对目标区域进行运动矫正,去除其包含的背景信号分量,即晃动信号分量;最后提取目标振动区域的局部相位序列,构建振动信号,并检测其振动频率。为了验证该算法的准确性,使用无人机在不同晃动幅度下拍摄多组视频并检测其振动频率。实验结果表明,该算法具有较高的准确性与鲁棒性,能够有效去除无人机晃动干扰,准确提取出视频中的目标振动信号。

多种姿态下的人体呼吸率视觉检测

呼吸率是衡量人体健康状况的重要指标之一.针对现有呼吸率检测方法存在人体受测姿态单一、准确率低和鲁棒性差的问题,提出适用于多种姿态下的人体呼吸率视觉检测方法.该方法使用普通摄像机拍摄人体呼吸视频.首先,利用图像金字塔光流法处理视频连续图像得到运动前景区域,将其中最大连通区域初步认定为胸腹呼吸区域.然后,将视频每一帧图像的呼吸区域输入复可控金字塔进行多尺度多方向空间分解,得到多个尺度多个方向的幅度谱和相位谱.在此基础上将每一帧的多个尺度多个方向相位谱用幅度谱加权后进行平均得到相位-时间信号.最后,对提取的信号进行判断,若信号主频在呼吸信号频带范围内且能量占比高则对该信号通过峰值检测得到呼吸率,否则重新选取视频连续图像进行后续检测.实验结果表明,本文方法适用于人体多种姿态下的呼吸率检测,在准确率和鲁棒性上优于现有方法.

基于多尺度滤波的视频放大

视频放大技术给予了人们观察并研究事物微小变化的机会.利用复可控金字塔分解视频,通过分析不同尺度不同方向的相位差来操纵视频中的运动.复可控金字塔中某些尺度的信号放大后超出了其相移极限,产生伪影及模糊.调整各尺度的放大因子能够解决这一问题.本文提出一种基于多尺度滤波的视频放大算法,通过建立视频帧图像空间波长与振动位移的联系,确定各尺度的放大因子的上限,无须人工设定截止波长,自行调整复可控金字塔各尺度的放大因子,使得放大后的信号能够适应其相移极限.通过对附加在大运动上的振动进行放大,验证了本算法的性能,相比现有的视频放大算法具有明显优势.

基于视频相位的拉索振动检测

作为斜拉桥的重要受力构件,斜拉索的振动检测对桥梁健康监测具有关键作用.在实验室理想条件下,传统的空间相位振动检测算法能够实现结构振动的高精度测量,然而在实际场景下,环境因素如车辆、风激励以及拉索与地面的角度等会对测量结果造成较大的误差,因此其不适用于实际场景下的拉索振动检测.针对此问题,本文提出了一种基于方向自适应复可控滤波器的拉索振动频率检测算法,用于实现在真实场景下拉索振动的精确测量.首先,利用拉索的直线特性检测拉索位置,并确定拉索主振方向;其次根据拉索的振动方向特性,设计方向自适应复可控滤波器组,对视频的每一帧图像进行分解处理,得到不同尺度同一方向的相位谱和幅度谱,并对拉索边缘区域相位进行增强;最后将每一帧图像处理得到的不同尺度的空间相位进行平均,按时间顺序排列生成相位序列,对提取到的相位序列进行傅里叶变换得到拉索振动主频频率.通过与加速度传感器测量结果比较,证明本文算法鲁棒性较高,能够满足真实场景下桥梁拉索振动测量的应用需求.