心率是一項反映人體生理和心理狀況的重要生理信號,其包含了豐富的健康狀況和情緒活動信息。對心率進(jìn)行實時準(zhǔn)確的測量在諸多領(lǐng)域有著廣泛應(yīng)用,例如疾病預(yù)防、訓(xùn)練輔助、健康監(jiān)測和護(hù)理等。遠(yuǎn)程光電容積描記術(shù)（remote photoplethysmography,r PPG）是一種非接觸式的心率測量技術(shù),r PPG可從面部視頻中直接提取心率信號,而無需佩戴接觸式的傳感器。隨著長期健康監(jiān)測需求的增長,這項技術(shù)憑借其易實現(xiàn)、成本低、非接觸測量等優(yōu)點,獲得了研究人員的極大關(guān)注。然而,r PPG技術(shù)容易受到環(huán)境光變化和運動偽跡等因素的影響,使得測量出現(xiàn)偏差。近年來隨著人工智能的飛速發(fā)展,深度學(xué)習(xí)相關(guān)技術(shù)在r PPG領(lǐng)域逐步得到應(yīng)用,這些技術(shù)顯示出了良好的抗噪性能。在本文中,提出了一種新的基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks,CNN）的r PPG方法,以建立時空特征圖像與其對應(yīng)的心率數(shù)值之間的映射,主要實現(xiàn)流程如下:首先,定位視頻中的人臉特征點并確定多個感興趣區(qū)域。從每個感興趣區(qū)域中提取視頻片段的RGB通道信號。使用基于色差模型的算法進(jìn)一步提取色差信號,并以時間延遲的... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

光學(xué)反射模型示意圖

合肥工業(yè)大學(xué)碩士研究生學(xué)位論文122.1.2基本框架基于視頻的非接觸式心率測量技術(shù)的目標(biāo)是從視頻信號中提取心率波形或心率值。到目前為止，絕大多數(shù)方法都遵循如圖2.2所示的基本框架。Fig2.2Flowchartofbasicframeofvideo-basedheartratemeasurement基本步驟為：（1）使用攝像機(jī)在光源照射或自然光條件下，拍攝包含人體皮膚區(qū)域（主要是人臉區(qū)域或手部皮膚區(qū)域）的視頻。（2）采用手動或自動算法來定位和跟蹤視頻中的感興趣區(qū)域。（3）沿著時間方向，從感興趣區(qū)域中計算單個或多個顏色通道的均值，得到原始的rPPG信號。（4）將信號處理相關(guān)算法（如帶通濾波、盲源分離算法和基于色差模型的算法等）應(yīng)用于原始rPPG信號，從而提取出心率信號。（5）通常采用峰值檢測算法或使用快速傅里葉變換（FFT）來計算心率信號對應(yīng)的心率數(shù)值。此框架適用于絕大多數(shù)實驗條件控制良好的rPPG方法。研究人員根據(jù)所要解決的問題不同，相應(yīng)地修改其中一個或多個步驟，來提升算法性能。由于這種通用框架步驟較多，因此每一步的處理都會對最終的測量精度造成較大的影響。近年來，隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，基于端到端的模型逐步被提出，從而避免中間因素的干擾，這些技術(shù)將在后面進(jìn)行介紹。2.2傳統(tǒng)的典型心率測量方法根據(jù)現(xiàn)有的rPPG方法在信號去噪算法和原理上的差別，這些方法主要可以分為兩類：基于盲源分離算法（BSS）的方法及基于光學(xué)反射模型的方法。基于盲源分離算法的方法將心率信號與其他噪聲信號視為混疊信號，利用信號之間的統(tǒng)計獨立性或非相關(guān)性假設(shè)，將心率信號從混疊信號中分離出來，再進(jìn)行心率估計。而圖2.2基于視頻的心率測量基本框架流程圖

合肥工業(yè)大學(xué)碩士研究生學(xué)位論文16多的被用作前期預(yù)處理，從而降低網(wǎng)絡(luò)學(xué)習(xí)的難度及成本。2.3新興的基于深度學(xué)習(xí)的測量方法近年來，隨著數(shù)據(jù)驅(qū)動的方法，尤其是基于深度學(xué)習(xí)技術(shù)的方法，被認(rèn)為具有處理復(fù)雜數(shù)據(jù)的能力。并且在很多領(lǐng)域取得了十分巨大的成就，如圖像分類，目標(biāo)檢測和自然語言處理等。因此，逐漸有研究人員將深度學(xué)習(xí)技術(shù)應(yīng)用于視頻心率測量任務(wù)中。Fig2.3ComparisonoftwomethodsbasedondeeplearningChen等人首先提出了一種端到端的系統(tǒng)，以建立從視頻圖像到脈動信號的導(dǎo)數(shù)之間的映射[51]。在他們提出的神經(jīng)網(wǎng)絡(luò)中，同時學(xué)習(xí)了一個軟注意力掩碼，從而提高測量的質(zhì)量。隨后，Niu等人提出了一種新穎的時空表示方法，使用來自面部多個感興趣區(qū)域的RGB通道信號來構(gòu)建時空特征圖像，從而建立特征圖像到心率數(shù)值的映射[52]。在論文[53]中，作者通過注意力機(jī)制進(jìn)一步改善了工作，以增強rPPG信號的顯著特征。在另一項研究中，Qiu等人提出了一個新的框架，通過使用卷積神經(jīng)網(wǎng)絡(luò)從時空過濾特征圖中測量心率數(shù)值。為了增強輸入信號的信噪比，使用歐拉視頻放大（EVM）算法[54]放了了面部顏色的變化[56]。等人設(shè)計了一種使用兩步神經(jīng)網(wǎng)絡(luò)的端到端的心率估計器[55]。該模型在三個公共數(shù)據(jù)集上進(jìn)行了測試，并被證明優(yōu)于最新的方法。與前面提出的基于深度學(xué)習(xí)的方法估計心率不同的是，Yu等人嘗試使用一個端到端的網(wǎng)絡(luò)直接從原始視頻片段中提取rPPG信號�？傮w來說，現(xiàn)有的基于深度學(xué)習(xí)的rPPG方法大致可以分為兩類：基于特征解碼的方法和端到端的方法。如圖2.3所示，基于特征解碼的方法首先使用視頻、圖2.3兩類基于深度學(xué)習(xí)的方法對比

【參考文獻(xiàn)】：
期刊論文
[1]1990～2016年中國及省級行政區(qū)心血管病疾病負(fù)擔(dān)報告[J]. 李鎰沖,劉世煒,曾新穎,周脈耕.  中國循環(huán)雜志. 2019(08)



本文編號：3442440