【摘 要】
：
成像式心冲击描记术（imaging ballistocardiography,iBCG）是一种基于视频的非接触式心率测量技术,其通过视频提取受试者头部因心脏跳动导致的微弱机械运动信号,进而计算心率。由于该技术具有操作简便,成本低等特点,获得了研究人员的广泛关注。然而,由头部自主运动引起的刚性运动和由面部表情引起的非刚性运动很容易对iBCG的测量造成干扰。本文提出一种运动鲁棒的iBCG新方法（rob
论文部分内容阅读
成像式心冲击描记术（imaging ballistocardiography,iBCG）是一种基于视频的非接触式心率测量技术,其通过视频提取受试者头部因心脏跳动导致的微弱机械运动信号,进而计算心率。由于该技术具有操作简便,成本低等特点,获得了研究人员的广泛关注。然而,由头部自主运动引起的刚性运动和由面部表情引起的非刚性运动很容易对iBCG的测量造成干扰。本文提出一种运动鲁棒的iBCG新方法（robust imaging ballistocardiography,RiBCG）。这种方法通过采用两步典型相关分析（canonical correlation analysis,CCA）来抑制相关的运动伪迹:首先,考虑每个感兴趣区域（region of interest,ROI）中水平方向和垂直方向运动轨迹之间的相关性,采用第一步CCA分别去除每个ROI中原始iBCG信号的刚性运动伪迹,再采用主成分分析（principal component analysis,PCA）对去噪后iBCG信号进行降维,然后,利用两个ROI内心率信息的空间相关性,再次应用CCA对上一步得到的两组主成分提取共同成分,以抑制具有低空间相关性的非刚性运动伪迹,最后筛选出脉冲信号用于计算心率。考虑到心率变化的连续性,提出一种RiBCG的改进版本,称为RiBCG-C,以减少心率异常值。在公开数据库UBFC-RPPG和COHFACE上的测试结果表明,本文所提出的RiBCG-C方法,相比于几种典型的基于视频的心率测量方法,在总体上获得了最佳性能,其在UBFC-RPPG和COHFACE数据库库上的皮尔逊相关系数分别达到了0.96和0.85。该研究为现实应用场景下的iBCG测量提供了一个有效的方案。
其他文献
行人检索是可以从原始视频帧中直接对要查询的行人进行定位和识别的技术。一个性能出色的行人检索系统可以省去行人检测的环节,极大地降低行人检索在生产生活中应用和部署的难度,为打造智慧城市、增强城市安全、构建智慧生活提供动力,具有重要的使用价值和现实意义。将行人检测和行人识别在统一的架构里建模,并利用深度学习强大的数据拟合能力来训练行人检索系统是当前研究的主要方法。然而,目前的行人检索算法依然存在检测框不
近年来,随着无线网络技术的发展,使用Wi Fi信号进行人体动作的检测和识别的方法在智能家居、医疗辅助和情感追踪等领域起到了重要作用,受到了大量研究人员的关注和研究。然而,现有的工作多是集中于单人动作的识别,当双人动作均为有效动作时,这类动作识别系统难以分辨出两种动作,从而无法进行有效的检测和识别。因此,本文设计了一个基于信道状态信息（Channel State Information,CSI）的双
自然图像中,常存在各式各样的纹理区域,这些纹理区域会呈现出不同尺度、不同方向等不规则特性。高效准确地提取纹理特征是无监督的自然纹理图像分割方法的关键,而传统的纹理特征提取方法易受到不规则纹理特征的影响,很难稳定有效地提取有区分度的纹理特征,所以无监督的纹理图像分割仍然是一个值得研究的难点和重点。同时,由于纹理图像具有丰富的结构特征,且整体结构具有关联性,而纹理图像的结构特征不受方向和尺度等局部信息
随着图数据的日益普及,图挖掘已成为图分析的一项基本任务,其中频繁子图及模式挖掘作为重要一环已经被广泛应用在各个领域,如社交网络分许、蛋白质检测、金融诈骗检测等,它们的目标是在数据图中找到出现次数频繁的子图或者模式。在社交领域中,频繁模式挖掘具有广泛的应用前景,例如在合作图中寻找频繁的合作模式,以此来知道团队的科学构成。但是在关系密集的社交图中,寻找频繁模式是一件极其耗费时间的任务,这使得现有方法难
远程光电容积描记术（remote photoplethysmography,r PPG）是一种从面部视频非接触式测量血容量脉冲（blood volume pulse,BVP）信号的技术,在压力检测、情绪分类和健康监测等领域具有广泛的应用。通过r PPG获取高质量的BVP信号,可计算多种心脏相关的生理指标。然而,现有的多数r PPG方法受所提取BVP信号质量的限制,只能计算平均心率值。本文提出了一种
呼吸率是一种重要的人体生理指标,在评估人体呼吸状况和诊断呼吸障碍疾病上具有不可替代的作用。目前呼吸率检测方法多需专业人员操作,在家庭日常检测方面尚有不足,而近些年出现的基于视频的非接触式呼吸率检测方法具有操作简便、适用性强等优点,在智慧医疗领域极具发展潜力。现有基于视频的呼吸率检测方法在实时性上仍有不足,并且对人体姿态有所限制,最终影响检测性能。针对此问题,本文进一步研究了基于运动特征的视频呼吸率
目标检测是通过摄像设备对自然场景中的物体进行捕获并分析的一种技术,广泛应用于机器导航、自动驾驶、智能监控和工业检测等诸多领域。近年来,随着无人机航拍设备的不断发展,针对其捕获的航拍图像进行目标检测备受研究人员关注,尽管通用的目标检测模型的检测能力取得了显著进展,但是由于航拍图像受拍摄角度等外界因素影响较大,且随着拍摄高度的变化,图像中物体的尺寸跨度变化较大,检测准确性较差;另外,无人机的灵活性导致
条纹投影三维形貌测量方法由于其本身的优势,已成为近年来流行的三维形貌测量技术之一。但是在测量过程中,噪声、背景区域和阴影区域等因素导致获取的点云中不可避免地存在无效点云,影响最终三维测量的精度和三维显示的效果,因此必须将其识别并剔除。在现有的方法中,很难确定一个合适的阈值来剔除这两类无效点云。针对这一问题,本文主要研究工作及创新点如下:（1）提出了一种基于提高背景区域调制度的无效点云剔除方法。首先
搜救行动在任何受灾地区都起着至关重要的作用。通常采用救援人员搜救和机器人搜救。但无人机可以作为替代方案,因为无人机比人类和地面机器人具有机动性和高度的双重优势。研究发现,无人机不仅可以搜寻受灾人员位置,还可以使用无人机采集图像进行人体呼吸的检测,以此判断人的生存状态。然而,无人机自身的晃动对于检测结果具有较大影响,且因为无人机晃动的不确定性和复杂性,传统的滤波器难以准确自适应的去除晃动干扰。因此,
带钢作为一类重要的钢铁产品,其广泛应用于汽车制造、桥梁建筑、航空航天等支柱行业,保证其最终产品质量对于社会的发展和生活的改善具有重要意义。带钢表面损坏区域的数量、程度和分布是决定带钢质量的重要因素,基于计算机视觉的表面缺陷检测和分类方法能够很好地实现带钢表面缺陷的定位和识别,发现造成缺陷的起因,从而有效的保证带钢产品质量。带钢表面缺陷检测和分类的准确率及高速率主要依赖于其表面图像的高效表示,该文将