论文部分内容阅读
基于远程光电容积描记术（remote photoplethysmography,r PPG）技术的非接触式心率检测因其简单易操作、无创、低成本等优点,在远程医疗、日常生理参数检测等方面具有广泛的应用前景。但基于r PPG技术的非接触式心率检测是建立在人体皮肤因心脏跳动而产生细微颜色变化的基础上,非皮肤像素干扰、皮肤颜色变化微弱以及运动伪差噪声都会对心率检测结果造成影响。因此,开展皮肤分割、颜色增强有关研究对于无接触精准测量心率问题具有重要的理论和现实意义。本文设计并实现了一种基于皮肤分割与欧拉视频放大（Eulerian Video Magnification,EVM）的非接触式心率检测方法,并实验验证了方法的有效性。首先,使用皮肤分割模型分割出视频中皮肤区域。接着,对分割出来的皮肤,利用EVM算法对心脏跳动引起的细微的皮肤颜色变化信号进行放大。然后,通过独立成分分析算法从放大后的颜色变化信号中分离出源信号,利用相关性分析选出表征心脏跳动的源信号作为r PPG信号。最后,通过对r PPG信号进行功率谱密度分析估计出心率。本文在公共数据集UBFC-RPPG和自采集数据集上对所提方法进行了验证,结果表明,本文方法能够有效估计出心率。本文的主要工作如下:1.提出一种基于全卷积神经网络（Fully Convolutional Networks,FCN）的皮肤分割模型,并对其性能进行了实验验证,获得90.07%的平均交并比（Mean Intersection Over Union,MIOU）。2.在公共数据集UBFC-RPPG上,从皮肤区域选择方法和r PPG信号提取算法两方面来研究本文所提的非接触式心率检测方法的性能。实验证明本文所提方法相比于传统方法,对心率检测具有更好的准确性,对非皮肤像素的干扰更具鲁棒性,同时也证明了使用EVM算法放大皮肤细微颜色变化能够在一定程度上提高心率检测的准确性。3.在自采集数据集上,开展了光源变化、光照条件变化以及遮挡的鲁棒性研究,进一步实验验证了本文非接触式心率检测方法的有效性。