心率 (HR) 估计是健康监测的重要组成部分，可提供有关人类生理和情绪状态的有用见解。在过去十年左右的时间里，研究人员探索了非接触式心率估计的新方法，主要是为了克服与需要身体接触的传统方法相关的不适或皮炎。使用相机进行非接触式 HR 估计就是此类方法的一个示例。
该方法的重点是血量脉冲(BVP)，它会导致视频中捕获的面部肤色发生轻微的时间变化。通过检查这些颜色变化，可以估计 HR。然而，由于这些颜色变化幅度较小，HR 估计的准确性会受到面部运动、环境照明变化和噪声的不利影响。
为了应对这些挑战，日本的一组研究人员现已开发出一种利用血脉时间特征的新方法。重要的是，它建立在脉冲表现出准周期性行为的能力之上，这将其与噪声伪影区分开来。
该研究由东京理科大学电气工程系初级副教授 Yoshihiro Maeda 博士领导，并发表在IEEE Access上。东京理科大学的 Takayuki Hamamoto 教授和 Kosuke Kurihara 教授以及津田大学计算机科学系的 Daisuke Sugimura 副教授也参与了这项研究。
所提出的方法利用动态模式分解(DMD)，这是一种分析多维时间序列信号中的时空结构的技术。它还采用基于心率频率医学知识的最佳时空结构的自适应选择。
Kosuke Kurihara 解释说：“我们的方法与以前的 DMD 应用不同，通过将物理信息 DMD 纳入时滞坐标系中，有效地建模和提取 BVP 信号，同时考虑到 BVP 动力学的非线性和准周期性。”博士学位学生。
所提出的方法仅依赖于跟踪人脸视频中的时间序列数据，无需在人的身体上安装任何检测器。在该方法中，监控连续变化的面部视频时间序列被转换为RGB时间序列信号，这有助于提取皮肤下发生的血量变化信息。在有效处理可能渗透到数据中的噪声或错误信息后，观察到的 RGB 信号将转换为脉搏波信息数据。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！