【摘 要】
：
心率是人体重要的生理参数,对心率的实时准确检测在各行各业均有着广泛的应用。传统的心率检测方法包括心电图（Electrocardiogram,ECG）检测法和成像式光电容积描记（Photo-plethysmography,PPG）检测法,这些方法需接触人体,成本高,操作难度大。近年来,基于图像光电容积描记（Image Photo-plethysmography,IPPG）的心率检测成为热潮,这种技术
论文部分内容阅读
心率是人体重要的生理参数,对心率的实时准确检测在各行各业均有着广泛的应用。传统的心率检测方法包括心电图（Electrocardiogram,ECG）检测法和成像式光电容积描记（Photo-plethysmography,PPG）检测法,这些方法需接触人体,成本高,操作难度大。近年来,基于图像光电容积描记（Image Photo-plethysmography,IPPG）的心率检测成为热潮,这种技术无需与人体直接接触,并且成本低廉、容易实现,但是检测结果非常容易受到运动干扰的影响。随着人工智能在计算机视觉领域的快速发展,深度学习也被越来越多应用于非接触式心率检测当中。基于此,本文主要研究了各种场景下的非接触式心率检测方法,具体工作如下:（1）提出了一种基于多尺度特征融合卷积神经网络的非接触式心率检测方法。首先输入相对稳定的面部视频,并选取目标检测区域;随后将输入的面部视频逐帧按行取像素平均值并时域扩展得到各行子脉搏波,使用主成分分析法与带通滤波器对各行子脉搏波组成的脉搏矩阵进行处理得到特征矩阵;最后设计了一种具有多尺度特征融合特性的卷积神经网络,该网络运用分路卷积、加权融合的思想,能够在同一层提取出心率所含的多尺度特征并将其融合,降低了网络的层数,提高了静态场景下心率检测的准确性。实验结果表明,该方法优于现有的心率检测算法。（2）针对运动噪声干扰对心率检测的影响,提出了一种基于权重优化卷积神经网络的抗运动干扰心率检测方法。在预处理阶段增加了去除基线漂移与去除失真信号两个步骤,并引入了权重优化层的概念,对卷积层提取到的特征进行一次权重重新分配,降低了特征图中运动干扰特征的比例,使得神经网络更加关注于真实心率所含特征,提高了动态场景下心率检测的准确性和鲁棒性。实验结果表明,该方法能够适应动态场景下的运动干扰,降低了其对心率检测精度的影响。
其他文献
随着互联网技术与移动设备的快速普及,除了传统的“口口相传”的线下教育方式外,在线教育平台因其丰富的教学资源与灵活的学习时间逐渐吸引了广泛的关注。研究者们致力于推动在线教育平台的发展,提出了智能教育系统的概念:智能教育系统能根据每个学生的具体情况及平台的教学资源为每位学生量身定制学习方案并提出学习建议。学生表现预测任务是智能教育系统中的基础任务之一。具体而言,该任务需要智能教育系统通过分析学生的历史
大气偏振模式是天空中的偏振光形成的具有特定规律的偏振态分布,其中蕴含着重要的方向信息,为偏振光导航提供方向基准。人类的肉眼是无法识别偏振光信息,需要通过相应的偏振成像系统。不同偏振成像系统在使用过程中都需要经过相应的标定,来提高偏振测量精度。针对偏振成像系统中还存在影响大气偏振模式测量的因素,本文从不同检偏角的选择、偏振片的初始方向、偏振成像系统测量原理等方面,研究偏振成像系统对大气偏振模式测量的
在人工智能的高速发展下,人们对计算机多模态领域理解能力有更高的要求。面对复杂的现实场景以及背后运行的常识逻辑,计算机需要更高层次的视觉语言理解能力和逻辑推理能力。视觉常识推理（Visual Commonsense Reasoning,VCR）任务是引导模型进行视觉和语言领域任务更高层次的认知水平理解。其中包括三个子任务,即通过问题（Question）预测答案（Answering）Q→A,通过问题和
冷启动问题是推荐系统中长期存在的难题,新用户或新产品出现时,要求在没有历史交互记录的情况下进行个性化推荐。基于协同过滤的推荐算法广泛部署于各类在线平台,而新用户或新产品没有协同信息,因此精准的推测新用户偏好以及表征新产品变得更加困难。鉴于属性信息在大多数在线平台中可获取,传统的冷启动推荐算法通过学习协同信号表征空间和属性表征空间之间的联系来提升性能,但仍然存在一些问题:（1）传统的冷启动推荐方法简
零样本学习是通过学习已知类视觉特征和语义属性向量之间的关系,并借助语义空间作为辅助信息将这个关系扩展到未知类数据集上,从而实现对未知类样本识别的一项研究。一个良好的零样本学习模型可以充分利用已知类到未知类之间的迁移知识,极大的减轻深度学习对带标签数据集的过度依赖,同时可以促进人工智能领域向终生学习发展。所以,零样本学习是一个具有现实意义和研究价值的课题。目前,实现零样本学习任务最常用的方法有基于特
阿尔兹海默症已经成为危害老年人健康的一大因素,受到了广泛的关注。该疾病不仅给患者带来痛苦,还给其家庭以及社会带来沉重的负担。同时,该疾病病因尚不明确,发病缓慢不易发觉,目前还没有非常有效的治疗方案,一旦待到晚期阶段再被确诊便无法有效干预。所以,及时准确地诊断出阿尔兹海默症具有重要意义。近年来,借助机器学习技术来辅助医生进行阿尔兹海默症病情分析和诊断,这一思路逐渐受到认可和关注。但脑影像等数据往往受
由于我国地形错综发展,架空输电线路大量穿越高山峻岭、戈壁峡谷、草原荒漠和盐碱地等自然条件复杂的无人区域,这些区域不仅容易发生滑坡、泥石流等地质灾害,而且容易发生覆冰、洪汛等气象灾害,严重影响架空输电线路的运行。目前,无人区输电线路状态监测的传输问题主要体现在两方面:一方面无人区的地形地貌不适合大量铺设通讯基站,数据难以通过4G/5G蜂窝网络传输;另一方面,目前主流的局域组网技术大多基于2.4GHz
合成孔径雷达（Synthetic Aperture Radar,SAR）是一种主动式有源微波遥感系统,可以实现全天时、全天候的高分辨率成像。但在实际雷达成像中,SAR系统经常遭受复杂的电磁干扰,为了保护目标免受侦察,针对SAR系统设计了许多干扰方法,例如压制性干扰和欺骗性干扰。当前抗压制性干扰技术比较成熟,而欺骗性干扰由于其高保真、强隐蔽性的特性,对干扰的识别和抑制难度较大,如何采取有效措施对抗欺
合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种高分辨率雷达,能够在能见度极低的恶劣气象条件下获取高分辨率图像,是现代化战争中取胜的关键因素。基于SAR的目标检测识别技术被广泛应用于军事领域,且已成为各国竞相研究的重要任务。因此,开展复杂环境下SAR图像目标检测识别关键技术的研究具有重要意义。在复杂环境下,由于其中各种干扰因素的影响,现有的SAR图像目标检测识别技术
近年来,人工智能的兴起促进了移动机器人领域的发展。目前,随着家庭、医院、工厂等社会领域对机器人的需求量逐步扩大,这对移动机器人的工作效率、可靠性等方面提出了更高要求。移动机器人作为一种重要的生产工具,常需要从一个目标点移动到另一个目标点,而目标点之间可能会存在障碍物,因此设计快速有效的路径规划算法可提高移动机器人的工作效率。然而基于随机采样的路径规划算法普遍存在着效率低、抗干扰能力差等问题。针对以