基于欧拉放大和灰度均值差法的桥梁动态响应研究

针对传统接触式传感器获取桥梁结构振动信息的不足,提出了一种基于欧拉影像放大技术和边缘灰度均值差的非接触式测量方法,该方法将摄像机作为全场振动的非接触式虚拟传感器,拍摄桥梁结构在激励后的整体或局部响应影像数据,利用欧拉微动视频放大技术对获取的影像数据进行微小运动放大处理。对处理后的影像数据进行结构局部边界区域灰度均值提取,同时计算该区域内像素的灰度均值差。差值表征了桥梁结构在激励作用下该局部区域的动态响应信号,该值与结构的实际位移存在着一个线性比例关系,通过标定即可获取目标结构时域中的实际位移幅值。该方法在一个模型悬索桥上进行了试验研究,同时对一座在役斜拉桥的现场测试进行了分析研究,结果表明该方法能够实现常规接触式振动传感器的功能,同时相比于传统的摄影测量,本边缘区域均值差法大大提高了信噪比,其精度与传统振动测量方法相比误差区间在(2%~7%)。该方法具体快捷、高效、易于获取等优点(成本低、效率高),同时其测量精度与传统振动测量方法相当,并且为获取结构全息动力特性参数提供了一种测量手段。

基于欧拉放大的桡动脉脉搏波提取方法

脉搏波是反映人体心血管状况的重要参数,基于视频的非接触式脉搏波检测在医疗健康领域具有重要的研究价值。针对目前非接触式脉搏波提取方法存在检测不准确、受光照影响较大等问题,文章提出了一种基于欧拉放大的桡动脉脉搏波提取方法。利用欧拉放大算法放大手腕处桡动脉的微小搏动信号;对放大后的视频进行分块,计算每个子块的时域信噪比(signal to noise ratio,SNR),将SNR最高的区域作为感兴趣区域;利用独立成分分析(independent component analysis,ICA)算法来分离感兴趣区域中的脉搏波信号和环境噪声,进而通过功率谱估计方法对脉搏波信号进行分析,以获取脉搏波对应的心率值;在多组实验数据集上对该方法进行测试,以经典的脉搏波检测设备提取的脉搏波为真实值,分别在自然光、日光灯和弱光等不同场景下与最新的基于色度信息分析的脉搏波提取方法和基于人脸视频的脉搏波提取方法进行对比。实验结果表明:该文方法提取的脉搏波与脉搏波检测设备提取的脉搏波具有更高的一致性,在自然光、日光灯和室内弱光等不同场景下分别能达到98.60%、92.10%、90.60%的准确率;相比于其他方法,该方法在3种场景下提取脉搏波的准确率提升均大于1%,提高了非接触式脉搏波提取的性能。

基于欧拉运动放大的微小振动测量技术综述

在工程振动测量领域,近年基于机器视觉的振动测量方法是最常用的技术手段。针对微小幅度振动测量问题,依赖于传统图像处理算法的视觉测量方法难以测准测精,对此,基于机器视觉的运动放大方法是很好的解决方案。这种方法将人眼难以察觉的微小运动进行放大,再结合图像运动信息提取方法,实现了更准确的运动信息测量。本文总结了目前常用的基于机器视觉的振动测量方法,重点围绕基于机器视觉的运动放大技术展开详细介绍。运动放大技术主要分为拉格朗日放大方法及欧拉放大方法,本文介绍了拉格朗日放大技术和欧拉放大技术方法的起源发展,对两类方法的核心进行了对比分析,阐述了欧拉运动放大技术的优越性,进一步详细介绍了多种欧拉放大技术的改进方法,分析了各类改进方法的特点和局限性。最后,总结了基于欧拉运动放大的微小振动测量技术的发展前景。

预决策金字塔层数的欧拉视频微弱运动放大算法

欧拉视频放大算法(EVM)将受人眼局限而观察不到的微弱运动放大;但放大视频质量随使用的金字塔层数及微弱运动幅值的不同而有明显差异。为提高视频放大效果,放大之前对输入视频提取运动前景,找到黑色像素数最大图像帧,求出该帧非0像素数占图像帧总像素数的比例;根据阈值判断金字塔层数,再进行EVM处理。研究表明,根据视频运动前景中非零像素与总像素比例,预判断欧拉视频放大金字塔层数,有效改善了单一金字塔层数EVM算法的放大效果。

基于欧拉微动放大的桥梁全息变形形态获取方法

与桥梁变形测量方式中测点分散布置不同,获取桥梁的全息变形行为可以有效地分析其结构变化。采用了基于相位的欧拉影像放大算法,结合视频影像非接触测量的方式,获取桥梁整体的变形形态参数,实现了桥梁全息变形的采集及放大。该方法与数字图像相关方法不同,欧拉放大算法是基于带通滤波并提取相应带通范围内的周期振动信号进行放大。该处理方式适用于桥梁结构这种具有周期性振动的变形特性。采用高速民用摄影机对实验室大跨径自锚式悬索桥缩尺模型进行定点拍摄获取数字影像信息,然后通过基于相位的欧拉影像放大算法将微小的振动形态进行可视化处理,最后利用精简边缘算子实现了桥梁结构边缘的提取。同时结合传统动态位移测量方法获取同期形态变形数据,通过对比分析结果证实了该方法的可行性,为未来利用影像手段进行全息形态获取提供了一种新方法。

基于欧拉影像放大的非接触式心率测量方法

针对目前非接触式心率测量存在操作不便、心率同频段噪声干扰大和受环境温度影响较大等问题,提出一种基于欧拉影像放大技术的非接触式心率测量方法。首先,运用欧拉影像放大技术实现手腕处桡动脉微小跳动的动作放大;然后,对脉搏跳动视频帧的像素点亮度值在时域上进行亮度方差统计,同时在YCrCb颜色空间中分割出皮肤区域;其次,根据亮度方差统计和皮肤分割结果,结合图像形态学处理方法提取视频中桡动脉跳动区域;最后,对所提取桡动脉部位时域上亮度信号采用傅里叶变换进行时频分析,实现心率非接触式测量。实验结果表明该方法与独立成分分析法(ICA)和脉搏交流信号分析法相比,均方根误差(RMSE)分别下降50.5%和32.6%;与小波滤波法相比,平均绝对误差下降12%。非接触式心率测量方法测量结果与脉搏血氧仪测量法具有很好一致性,满足中国医药行业标准,可用于日常保健和远程医疗的心率监测。

基于欧拉运动放大算法的桥梁索力测试方法研究

斜拉索、吊杆和系杆是缆索承重桥梁的重要受力构件,但传统的索力测试方法存在操作复杂、成本高和效率低的缺点,为此开展基于欧拉运动放大算法的索力测试方法研究。采用数码摄像设备采集拉索振动的数字图像数据,经过基于相位的欧拉运动放大算法处理,获取运动放大后的图像序列;利用基于Canny算子的边缘识别算法得到边缘图像序列,并通过边缘定位提取拉索人工标记的位移时程数据;最后利用频率法识别拉索索力。以拱桥吊杆索力测试为背景,讨论了基于相位的欧拉运动放大算法与基于Canny算子的边缘识别算法的适用情况。与传统基于加速度传感器的索力测试方法相比,该方法具有易操作、低成本和高效率的特点。

基于多尺度样本熵方法分析欧拉视频放大技术在非接触式测量的作用

欧拉视频放大技术常被应用在光电容积脉搏波信号增强过程中,脉率测量是需要经常进行的处理,为明确脉率在经过此放大以后是否受到影响,本研究对放大前后信号的峰值关键特征进行比较和研究。由于熵被广泛用来表征信号的复杂性,其通过计算信息的平均产生率来进行检测和分析,且由于多尺度样本熵的计算不依赖数据长度并具有良好的一致性,所以本研究基于多尺度样本熵对脉搏的瞬时心率进行比较。试验结果表明:脉搏信号放大前后保持基本脉率,但放大后样本熵数值比放大前略低,说明欧拉视频放大技术对数据的复杂度方面有减弱作用,同时使其信号结果更加稳定。

一种图像序列的细微运动放大算法

为更好地描述具有细微运动图像序列的运动细节,揭示潜在运动信息,提出一种细微运动放大算法.设计了基于欧拉放大的图像序列时空处理方法,获得运动放大图像序列;提出基于视觉显著性的运动区域检测方法,获取准确的细微运动区域;最后设计了基于区域的运动细节增强方案,提高了运动区域的清晰度,减轻了运动放大所引入的瑕疵.以上述方法为基础,最终可获取高质量的运动放大图像序列.与最新的图像运动放大算法对比的实验结果表明,提出的算法更为准确地表征图像中对象的运动细节,同时在客观量化评价指标上取得了更好的效果.

视频微小运动放大的加速方法

通过放大视频中的微小运动,可以展现一些肉眼不可见的运动信息。原始欧拉视频放大技术(EVM方法)将输入的视频由RGB颜色空间转换为YIQ颜色空间,对视频的YIQ三个通道进行运动放大处理,这样的处理过程十分耗时。在原方法的基础上,分别提出了基于RGB颜色空间和基于Y通道的运动放大加速方法。将Y通道方法、RGB方法和EVM方法进行实验对比,结果表明:RGB方法相对EVM方法在处理速度方面有所提升,但是运动放大效果差别较大;Y通道方法相对于EVM方法在处理速度方面得到了明显的提升,而且在放大效果方面基本保持一致。

自动检测及放大视频中的微小运动

欧拉视频运动放大方法在实现微小运动放大时需要人为选取带通滤波器的相应通频带参数.通常情况下,人们无法直接确定视频中运动目标的精确运动频率,从而使得该方法对未知的视频难以操作.为此,提出一种视频微小运动的自动检测及放大方法,首先对视频中微小运动基于时间序列的运动信息进行分析,通过功率谱估计得出运动的频率等信息,然后在整幅图像空域通过聚类分析和阈值选取,确定整个视频感兴趣运动的中心频率,并据此得出带通滤波器的参数,以实现视频微小运动的自动检测及放大.实验结果表明,本文的自动检测及放大方法不仅操作简单、取得的运动放大效果好以及支持更大的放大倍数,而且抗噪性能明显优于原始的欧拉运动放大方法以及半自动运动放大方法.

基于S变换的非平稳微小运动自动放大

现有的欧拉视频微小运动放大方法没有考虑视频中运动信息的自动检测,在实现运动放大时需要人为选取感兴趣运动信息处理的合适参数,比如滤波器截止频率、放大倍数等。对于一般的视频,通常无法直观地确定这些参数,而是通过试错来完成。为此,基于S变换提出了一种视频序列中非平稳微小运动的自动放大方法:基于S变换自动确定带通滤波器的即时相关参数并设计了相应的动态滤波器,在此基础上实现了视频微小运动的全自动放大。首先,通过S变换分析出视频中微小运动在各个时刻的瞬时频率;然后,对视频在不同时刻呈现不同频率的情况进行动态带通滤波处理;最后,放大经过带通滤波后的感兴趣运动信息,实现微小运动放大。此外,对于抗噪性能分析,提出了一种视频区域信噪比评价方法。实验结果表明,所提方法在对实际视频进行放大处理时,能够根据运动信息频率的变化自动地获取滤波器、放大倍数等参数,无需人工参与;运动放大后可以动态地展现运动目标的放大效果。同时,准确的动态滤波器在一定程度上能够抑制噪声干扰,使得运动放大效果更加理想。

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。

微小运动放大技术研究概述

对现有的拉格朗日放大技术和欧拉放大技术的原理和技术特点进行了研究和总结,对欧拉放大技术中两个书架受力形变和人脸因血液循环产生的颜色变化实例进行了研究分析。研究表明:欧拉放大技术相对拉格朗日放大技术运算量小,实时性高,在实际应用中具有更广的应用范围和更高的应用价值。

基于视频放大与盲源分离的非接触式心率检测

非接触式心率(HR)检测可以通过远程光电容积描记术(rPPG)实现,引起越来越多的关注.但在实际应用中,rPPG信号非常细微,极易被噪声淹没,从而导致现有的基于rPPG的心率检测方法很难准确地估计心率.针对以上问题,本文提出了一种增强rPPG信号、抑制噪声的非接触式心率检测方法.在这种方法中,首先通过欧拉颜色放大技术对正常HR分布频带上的色度信息进行放大,避免rPPG信号过小被噪声淹没;接着使用人脸检测与跟踪技术选定合适的感兴趣皮肤区域;然后在感兴趣区域内提取放大后的色度信息,使用盲源分离方法和相关性分析分离出rPPG信号;最后对rPPG信号进行时域滤波与功率谱密度分析,估计出HR值.经多组实验验证,本文所提方法相比于以前方法具有更高的HR估计精度.

欧拉视频增强技术在火焰弱信号检测中的应用

为实现火焰弱信号闪烁频率的检测,提出一种基于欧拉视频放大技术的增强检测方法,并对该方法的可行性与有效性进行仿真实验验证。搭建燃烧实验平台,在Matlab平台上对采集的不同干扰强度的火焰视频信号进行检测增强,将实验结果分别在时域和频域上进行分析讨论。结果表明,该方法可以有效地提取火焰的主要波动频率。

基于移动端的非接触心率检测系统研究与设计

心率的检测对人体健康监护有重要的意义,目前主流心率检测设备需与皮肤直接接触,这种方式容易引起传染性疾病的传播风险并给用户带来负担;为了解决这些问题,开发了一款基于安卓移动端设备的心率检测应用,可实现非接触式的心率检测并将检测结果展示在主界面上,完成用户自主的心率检测功能;根据远程光电容积描记法原理,从人体皮肤的图像数据中可以提取出心率信息,因此应用中封装了欧拉视频放大算法来实现非接触式心率信号检测,可通过采集面部图像数据来进行人体心率的估计;该应用操作简便,使用场景也不受限制,在真实环境中的实验结果表明,其检测结果与真实心率间的均方根误差为2.93,误差较小且与真实心率具有较高一致性,其检测精度能够满足用户使用需求。

用于微表情识别的改进双流浅层卷积神经网络

在微表情自动识别任务中,浅层卷积神经网络和深层网络相比更好地改善了网络训练过拟合的情况,但是多数浅层卷积神经网络存在输入特征单一和提取高维有效特征能力不足的问题.针对上述问题本文同时使用图像的灰度特征和运动特征表征原图像,并且提出了一种改进双流浅层卷积神经网络(Enhanced Dual-stream Shallow Convolutional Neural Network,EDSSNet)用于微表情的识别.本文首先使用欧拉视频放大算法和TV-L1光流法对视频关键帧处理,提取图像的灰度特征和运动特征,然后用空洞卷积和注意力模块改进双流浅层卷积网络模型,提高网络提取有效特征的能力,最后将两种特征输入网络训练后进行分类.理论分析及在CASMEⅡ、SMIC-HS和SAMM微表情数据库上的实验结果均表明了改进模型的有效性.

基于EVM的心率检测在微表情识别中的应用

随着谎言检测的深入探究,微表情识别研究得到了很大的关注,心率变化作为体现情绪变化的另一种形式,也可能对微表情识别有一定的影响。研究目的是找寻心率变化和微表情的关系。利用欧拉视频放大算法,实现非接触式心率提取,并对目前已公开的微表情数据库CAS(ME)^2数据进行分析。通过测录视频进行实验分析,提出的心率提取算法可得到95%的准确率,对数据库数据进行心率检测的结果与表情数据进行对比,可以得到恐惧、愤怒、悲伤等情绪与心率变化存在一定关系。

基于视频分析的呼吸检测算法

针对传统视频监控蒙被子时无法进行呼吸判断的问题,提出一种改进的欧拉影像放大算法(Eulerian video magnification,EVM)进行呼吸检测,并结合运动历史图(Motion history image,MHI)和网格标记法来去除干扰影响.该算法核心是利用改进的EVM获得有运动前景目标,利用MHI来检测图像中的大运动,并用网格标记法除去手、头等外部运动干扰.结果表明:该方法实现简单,实时性好,可以有效除去呼吸以外运动对正常呼吸的干扰.