期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面部视频非接触式生理参数感知 被引量:8
1
作者 嵇晓强 刘振瑶 +3 位作者 李炳霖 饶治 李贵文 粟立威 《中国光学》 EI CAS CSCD 北大核心 2022年第2期276-285,共10页
为了在非接触条件下检测受试者的各项生理参数,本文设计了一种基于成像式光电容积描记技术,从手机录制的人脸视频中估算生理参数的方法。首先,提出了“小波变换-主成分分析-盲源分离”算法,用于提取出高信噪比的RGB三通道脉搏波信号。然... 为了在非接触条件下检测受试者的各项生理参数,本文设计了一种基于成像式光电容积描记技术,从手机录制的人脸视频中估算生理参数的方法。首先,提出了“小波变换-主成分分析-盲源分离”算法,用于提取出高信噪比的RGB三通道脉搏波信号。然后,分别从频域和时域角度对绿色通道信号进行处理,估算出心率值和呼吸率值;对红蓝通道的脉搏波信号进行处理,并结合血氧仪检测的血氧饱和度结果,进行数据拟合,从而找到从面部视频中估算血氧饱和度值的最佳线性方程。最后,对比了自然光下各生理参数的估算结果误差,分析了在3种光照环境下各参数的估算结果。结果表明:3种光照环境下得到的心率平均误差为0.5512次/min,呼吸率平均误差为−0.6321次/min,血氧饱和度平均误差为−0.2743%。综上,本文提出的非接触式生理参数估算方法精度高,具有普适性和稳定性,估算结果同标准仪器的测量结果具有高度一致性,可满足日常生理参数测量的需求。 展开更多
关键词 成像式光电容积描记技术 非接触式 小波变换-主成分分析-盲源分离 心率 呼吸率 血氧饱和度
在线阅读 下载PDF
基于高速摄像机的动态血压非接触获取 被引量:6
2
作者 许文媛 孟濬 赵夕朦 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2017年第10期2077-2083,共7页
为了实现基于高速摄像机的非接触、非介入式的动态血压获取,对血压与脉搏信号相位差、心率之间的函数关系进行理论推导;基于成像式光电容积描记技术,实现了通过高速摄像机非接触获取脉搏信号的相位差和心率;基于血压与脉搏信号相位差、... 为了实现基于高速摄像机的非接触、非介入式的动态血压获取,对血压与脉搏信号相位差、心率之间的函数关系进行理论推导;基于成像式光电容积描记技术,实现了通过高速摄像机非接触获取脉搏信号的相位差和心率;基于血压与脉搏信号相位差、心率之间的函数关系以及基于高速摄像机所获得的脉搏信号相位差和心率,通过曲线拟合得到血压与脉搏信号相位差、心率之间的函数关系的参数值,实现了基于高速摄像头的动态血压的非接触获取.为了验证基于高速摄像头获得的血压的准确性,以欧姆龙智能电子血压仪获得的血压为参照进行误差分析,所得的收缩压的误差为-4.03%~8.44%,舒张压的误差为-6.58%~8.90%. 展开更多
关键词 动态血压 高速摄像机 成像式光电容积描记技术 脉搏信号相位差 心率
在线阅读 下载PDF
自然光条件下使用普通摄像头实现心率测量 被引量:2
3
作者 马良 刘琚 《信号处理》 CSCD 北大核心 2017年第S1期73-78,共6页
心率作为与心血管疾病密切相关的生理指标,在临床诊断以及日常监测中起着重要作用。本文利用成像式光电容积描记技术的原理,设计了一款心率监测系统,实现了在自然光条件下使用普通摄像头采集面部视频信号,并通过处理分析得到被测者心率... 心率作为与心血管疾病密切相关的生理指标,在临床诊断以及日常监测中起着重要作用。本文利用成像式光电容积描记技术的原理,设计了一款心率监测系统,实现了在自然光条件下使用普通摄像头采集面部视频信号,并通过处理分析得到被测者心率的功能。首先使用摄像头采集被测者的面部视频信号,截取额头部位作为感兴趣区域,然后使用欧拉放大方法处理图像,求得图像灰度均值,得到血液容积脉搏波波形,最后转化至频域求得心率。本系统使用器材简单,操作简便,可以快速准确地测得被测者的心率。 展开更多
关键词 心率 成像式光电容积描记技术 普通摄像头 自然光
在线阅读 下载PDF
基于TCN-SE神经网络模型的智能连续血压估计方法 被引量:2
4
作者 熊嘉豪 姜晨希 +2 位作者 陈永毅 张丹 尹武涛 《传感技术学报》 CAS CSCD 北大核心 2022年第11期1499-1505,共7页
血压是反映人体心血管系统状况重要信息的四个生命体征之一。随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中。针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于嵌入SE注意力机制的时域卷积网络(TCN-SE)模型。... 血压是反映人体心血管系统状况重要信息的四个生命体征之一。随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中。针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于嵌入SE注意力机制的时域卷积网络(TCN-SE)模型。该网络有效解决了现有方法中模型过拟合的问题,且进一步加强了模型对于不同通道信息的关注度。在保证信息完整的前提下,该模型可有效增大感受野。在重症监护中的多参数智能监测(MIMIC-II)数据集进行实验测试,通过计算均方误差和平均绝对误差等指标,得出收缩压的误差为(5.09±7.04)mmHg,舒张压的误差为(2.96±4.23)mmHg,表明所提出的方法相比于现有方法误差损失更低,在血压测量领域具有广阔的应用前景。 展开更多
关键词 血压 深度学习 时域卷积网络 SE注意力机制 光电容积描记技术
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部