基于手背视频流分析的无接触式SpO2测量方法

为提高外周血氧饱和度(SpO2)的测量效率与准确率,本研究提出了一种基于手背视频的非接触式SpO2测量方法。通过欧拉视频放大中的高斯金字塔与放大因子的组合改进,减少光线噪声的干扰,有效放大手背视频中的感兴趣区域。然后,提取放大后视频帧的红、蓝通道,并采用吸光度比值法计算SpO2值。最后,在自制数据集上进行了两种呼吸状态下的实验验证。实验结果表明,所提方法SpO2测量的平均均方根误差(RMSE)可达0.48%,与指夹式脉搏血氧仪相比,表现出较高的一致性,且发现性别对SpO2的测量误差有一定影响。该方法可便捷地移植到智能手机等简易视频设备,对SpO2的日常监测具有良好的应用前景。

DS-YOLOv5:一种实时的安全帽佩戴检测与识别模型

基于视频分析技术对生产现场人员安全帽佩戴情况进行自动检测与识别是保障安全生产的重要手段.但是,复杂的现场环境和多变的外界因素为安全帽检测与识别的精确性提出挑战.本文基于YOLOv5模型的框架,提出一种DS-YOLOv5安全帽检测与识别模型.首先,利用改进的Deep SORT多目标跟踪的优势,提高视频检测中多目标检测和有遮挡的容错率,减少漏检情况;其次在主干网络中融合简化的Transformer模块,加强对图像的全局信息的捕获进而加强对小目标的特征学习;最后在网络的Neck部分应用双向特征金字塔网络(BiFPN)融合多尺度特征,以便适应由摄影距离造成的目标尺度变化.所提模型在GDUT-HWD和MOT多目标跟踪数据集上进行了验证实验,结果表明DS-YOLOv5模型可以更好地适应遮挡和目标尺度变化,全类平均精度(mAP)可以达到95.5%,优于其他常见的安全帽检测与识别方法.