头部旋转运动下自适应非接触鲁棒性心率检测方法

基于人脸视频的生理信号检测面临的主要挑战是运动伪影噪声.针对受试者头部刚性旋转运动引起的伪影噪声,本文提出利用头部运动信息构建自适应滤波器的非接触式心率检测方法.该方法利用人脸二维和三维的特征点计算受试者运动中头部的偏航和俯仰欧拉角度,并将其作为调控过程噪声协方差的信号质量指数,进而构建了自适应Kalman滤波器,实现了稳健的心率估计.实验结果表明:本文提出的方法可有效抑制头部刚性旋转运动引起的噪声,平均绝对误差为2.22 beat/min,均方根误差为2.76 beat/min,与现有方法相比准确度分别提升9%与24.6%,具有统计显著性.本文提出的头部旋转角度自适应非接触鲁棒性心率检测方法在自发运动的真实场景下能有效提升检测的准确性,扩大了成像式光电容积描记技术在视频健康监测领域的使用场景.

基于视频的人体心率检测算法研究

传统的心率检测方法有侵入式和非侵入接触式两种测量方法,但是会造成不便。论文提出一种基于IPPG(Image photoplethysmography)技术的非接触式人体心率测量方法,从人体的裸露皮肤提取脉搏波信号,在脉搏波信号中提取人体的心率值。通过摄像头采集人体面部的信息,提取感兴趣区域的灰度均值后,经处理得到人体的心率。论文还通过实验调整了心率检测系统中的感兴趣区域、采样点数和图像颜色格式,使检测精度得到提升。利用论文方法测量人体心率,与指夹式血氧仪的测量数据进行比对,结果的平均绝对误差为1.91次/min和均方根误差为2.15次/min。

基于FastICA与ICEEMDAN的人脸视频心率检测

现有的非接触式心率检测方法存在噪声干扰、准确率低等问题。针对这些问题,提出一种基于FastICA与改进的自适应噪声完全集合经验模态分解(ICEEMDAN)相结合的算法,采用人脸视频进行心率检测。用摄像头采集人脸视频,并从视频中提取R、G、B通道源信号,即皮肤颜色变化信号,分别求出RGB这3个颜色通道的像素平均值;然后利用FastICA对RGB这3组像素平均值进行解混,得到3组独立源信号,再用ICEEMDAN将其中一组独立源信号进行模态分解,并选取合适频段内的固有模式函数(IMF)估计心率的信号,最后用频谱分析计算得到心率。设计实验对8名人员进行了人脸视频检测,将检测结果与多参数监护仪进行对比分析。实验结果表明,该方法与多参数监护仪测量结果的平均误差与均方根误差均小于1 beat/min,因此基于FastICA与ICEEMDAN的人脸视频心率检测对人体心率检测具有良好的稳定性和准确性。

非规律运动伪迹干扰鲁棒的人脸视频心率检测

目的 基于远程光电容积脉搏波描记法(remote photoplethysmograph,rPPG)的非接触人脸视频心率检测广泛应用于移动健康监护领域,由于其携带的生理参数信息幅值微弱,容易受到运动伪迹干扰。据此,提出了一种结合非负矩阵分解(nonnegative matrix factorization,NMF)和独立向量分析(independent vector analysis,IVA)的非规律运动伪迹去除的视频心率检测方法,记为NMF-IVA。方法 首先,将面部感兴趣区域(region of interest,RoI)分为多个子区域(sub RoIs,SRoIs),利用平均光照强度、光照强度变化、信噪比这3个指标筛选出3个最优质的SRoIs,并获取每个SRoI的绿色通道时间序列。其次,将3个绿色通道时间序列去趋势、带通滤波后送入NMF-IVA进行盲源分离。然后,对分离后的源信号进行功率谱密度分析,并且将峰值信噪比最高且主频落在心率感兴趣范围内的源信号确定为血容量脉冲(blood volume pulse,BVP)信号。最后,将BVP信号的主频确定为所测量心率的主频,从而计算出心率值。结果 实验在2个公开数据集UBFC-RPPG和UBFC-PHYS,及1个真实场景自采数据集上与最相关的7种典型的rPPG方法进行比较,在UBFC-RPPG数据集上,相比于性能第2的单通道滤波(single channel filtering,SCF)方法,均方根误差提升了1.39 bpm(beat per minute)、平均绝对误差提升了1.25 bpm、皮尔逊相关系数提升了0.02;在UBFC-PHYS数据集上的T2情况下,其性能提升最为显著,相比于性能第2的独立向量分析(IVA)方法,均方根误差提升了16.42 bpm、平均绝对误差提升了9.91 bpm、皮尔逊相关系数提升了0.64;在自采数据集上,除了低于深度学习方法性能之外,所提NMF-IVA方法在传统方法中取得了最好的结果。结论 所提NMF-IVA方法对规律信号提取具有敏感性,即便是在头部存在剧烈非规律运动情况下,相比于传统方法亦能取得最优结果,该结果能够媲美基于深度学习的方法。

彩色视频提取心率信号的联合近似对角化算法

为了实现从彩色视频中有效提取心率信号,实时检测人体心率,提出使用基于特征矩阵联合近似对角化的盲源分离算法,从RGB彩色可见光视频信号中分离周期信号,为周期信号处理和周期分析得出心率提供数据基础,从而提高非接触式心率测量的准确性。同时利用matlab编写程序进行仿真实验,实验结果表明该算法能有效分离振幅在干扰信号波动范围的0.2及以上的源信号,分离信号与已知源信号相关系数高达0.8。