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。

基于光流和集成时-空-通道注意力的ResNet-10的微表情识别模型

针对一般模型很难捕捉微表情不同尺度上的特征,提出一种基于LiteFlowNet和改进的ResNet-10的微表情识别网络以充分提取微表情不同维度信息。先通过欧拉视频放大技术(EVM)突出面部微小动作,再将处理后的数据通过轻量级光流估计网络LiteFlowNet提取视频帧中的运动信息。在用于特征提取的ResNet-10上引入三维注意力机制(3D-Attention),以适应性地聚焦于微表情视频中最具辨别力的通道、空间和时间特征。实验结果验证了该网络有效提升了微表情识别性能。

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。

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。

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。

非接触式胎儿心率检测

胎儿心率检测是围产期常规检测,是评估孕妇和胎儿健康的主要生理指标.相对现有的接触式胎心检测技术,本文提出一种更为便捷,成本低廉的非接触式胎儿心率提取算法.首先基于欧拉视频颜色放大技术,对视频中颜色信号放大.其次,利用光电容积脉搏波描记法提取血液容积脉冲信号,并对母体噪声进行分离,计算功率谱密度提取.将采集到的胎心率,与医院专用胎心设备检测的结果进行定量分析,数据表明可以达到96%的准确度.

基于IPPG的非接触式血氧饱和度检测技术研究

目的:提出一种非接触式血氧饱和度检测的新方法,以提高血氧饱和度的检测精度。方法:该方法基于成像式光电容积描记(imaging photoplethysmography,IPPG)原理提出,采用多任务卷积神经网络的算法进行人脸检测,采用欧拉视频放大中的运动放大和颜色放大相结合的算法实现视频图像放大的功能,使用集合经验模态分解和小波变换联合滤波的方法完成降噪滤波,最后使用经验公式计算血氧饱和度。开展“金标准”(指夹式血氧仪检测)对比实验,以验证该方法的检测准确性。结果:该方法检测血氧饱和度精度高,多次实验的平均误差均不高于2%,与指夹式血氧仪的检测结果有较好的一致性。结论:提出的方法可以完成血氧饱和度的非接触检测,且误差较小,能够达到预期要求。

视频微小运动放大的灰度图像方法

传统的欧拉视频放大技术(EVM方法)利用色彩空间的转换,对YIQ通道分别作放大处理,可以放大视频中微小的运动,使人可见,但是这种方法运行速度很慢,为优化此问题,在EVM的基础上,提出了灰度图像放大方法(Gray或GIM方法),先是对EVM方法进行概述分析,之后选取合适的放大因子对两种方法进行实验对比,结果表明:灰度图像方法与EVM方法相比,其处理速度有显著的提高,并且放大效果良好,实际应用性更强。

基于计算机视觉的建筑施工期临时结构损伤识别方法

建筑施工临时结构是施工现场的事故主要风险源。以往的基于振动的临时结构监测方法依赖于在预先分析确定的监测关键部位放置的加速度传感器。但由于临时结构存在构件搭设不规范、施工现场不确定性等因素,通过有限元分析等手段得到的监测关键部位可能与实际情况相差较大,存在不确定性。为此提出一种基于欧拉运动放大算法的临时结构损伤识别方法,充分利用计算机视觉技术的全域覆盖及监测高效的优点。采用数码摄像机采集临时结构的数字图像序列,经过基于相位的欧拉运动放大算法处理,获取运动放大后的数字图像序列;运用Canny边缘识别算法获取边缘图像序列并消除运动放大造成的噪声,通过基于形心的运动跟踪算法获取临时结构的位移时程数据,并利用快速傅里叶变换进行频谱分析;与预先建立的损伤动力指纹库进行对比判断临时结构的损伤状态。以存在10种损伤状态的门式脚手架为测试对象,证明该方法的可行性与适用性。与加速度传感器测量进行对比,该方法平均误差为0.95%,满足临时结构损伤状态识别的精度要求。

基于欧拉方法的视频微弱信号检测

文章应用基于欧拉的视频信号放大的方法,以标准的视频信号序列作为输入,经过空间域分解后进行滤波处理。然后选取特定频率带的信号进行放大,再将放大后的信号加到原来的视频信号中,即相当于将该频率带的信号放大,从而使信号的变化变得明显。通过这种方法可以将血液流过人脸时的变化可视化,也可以放大后用来揭示微小的动作。文章使用该方法放大了血液流过面部时皮肤颜色的变化和手腕处的脉搏信号。揭示了视频信号中很难或者几乎不能被人眼看到的实时变化,并且将这种实时变化明显地显示出来。

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。

结合残差网络及目标掩膜的人脸微表情识别

微表情是一种能反映隐藏在人内心最真实情感状态的面部特征,现有的微表情识别技术经常会提取一些与微表情无关的运动特征信息干扰情感的真实性识别。为解决上述问题,提出一种结合残差网络及目标掩膜的特征提取方法。本文首先对原始的微表情序列进行一系列预处理,定位人眼的关键区域,对眼部区域进行图像掩膜,进而减少眨眼动作对微表情特征提取造成的干扰,然后使用欧拉视频放大算法对人脸微表情变化的关键区域进行放大,使得微表情变化更为明显,最后通过3D ResNet网络对连续的微表情序列进行训练和识别。本文方法在CASME Ⅱ和SMIC数据集上进行了测试,准确率分别达到77.3%和72.4%,与最新方法DSSN、CNN+LSTM等相比,准确率至少提高5%。

微小运动放大及其在超声波传播中的应用

针对在具有复杂残余应力的材料中超声波传播视频信号极其微弱、难以看清其传播过程的问题,采用微小运动放大方法揭示超声波传播视频中人眼难以看见的微小运动,研究了线性欧拉视频放大方法（EVM）和基于相位的视频运动放大方法（PBVM）在超声波传播中的应用.提出了基于可操纵金字塔的微小运动放大方法,通过对一段标准视频序列进行可操纵金字塔空间分解、时域滤波,放大得到的信号以揭示微小的运动.实验结果表明：该方法在图像噪声方面比EVM更不敏感,在计算时间方面该方法比PBVM用时更短.对EVM,PBVM和本方法进行了对比验证,并在超声波传播视频中进行了应用,效果良好.提出的方法也可应用于机械和结构的状态检测中.

红外热像视频的细微变化放大

目的针对红外热像视频对比度低、成像模糊和难以进行细节观测的缺点,提出一种基于欧拉视角的红外热像视频细微变化放大方法。该方法可以将红外热像视频中细微的色彩变化和动作变化进行放大,将原本人眼无法察觉到的变化清晰地展示出来。方法该方法首先采用对比度金字塔算法对红外热像视频中每一帧图像进行空域分解,其次对各个尺度的图像进行时域滤波,选择出感兴趣的变化频率并进行线性放大,然后对放大后的信号进行重构,最后对重构得到的图像进行降噪处理,从而获得细微变化放大的红外视频。结果针对色彩放大和动作放大,实验采集了若干红外热像视频。其中,对人脸侧面的颜色进行放大时,选择像素值变化频率在0.751 Hz范围内的信号进行滤波并放大,得到像素值变化被放大100倍的视频;对吉他弦的动作进行放大时,选择变化频率在100~120 Hz范围内的信号进行滤波并放大,得到弦的动作幅度被放大的视频。结果表明该方法可以使视频中所选择的变化频段得到有效增强。结论本文方法可以放大红外视频中原本无法观测到的细微变化,并使之清晰呈现,在军用和民用领域中有着广泛用途。