北京航空航天大学学报 ›› 2020, Vol. 46 ›› Issue (9): 1770-1777.doi: 10.13700/j.bh.1001-5965.2020.0065

• 论文 • 上一篇    下一篇

基于面部视频分析的生命体征检测

陈辉1, 郑秀娟1, 倪宗军1, 张昀2, 杨晓梅1   

  1. 1. 四川大学 电气工程学院, 成都 610065;
    2. 西安交通大学 电子与信息学院, 西安 710049
  • 收稿日期:2020-03-02 发布日期:2020-09-22
  • 通讯作者: 郑秀娟 E-mail:xiujuanzheng@scu.edu.cn
  • 作者简介:陈辉 男,硕士研究生。主要研究方向:信号处理、机器学习;郑秀娟 女,博士,副教授,硕士生导师。主要研究方向:信号信息处理、智能检测技术、自然人机交互;倪宗军 男,硕士研究生。主要研究方向:图像处理、机器学习;张昀 女,博士,副研究员。主要研究方向:多模态数据分析;杨晓梅 女,博士,副教授。主要研究方向:图像重建、计算机视觉。
  • 基金资助:
    成都市重点研发支撑计划技术创新研发项目(2020-YF05-00056-SN)

Vital signs detection via facial video analysis

CHEN Hui1, ZHENG Xiujuan1, NI Zongjun1, ZHANG Yun2, YANG Xiaomei1   

  1. 1. College of Electrical Engineering, Sichuan University, Chengdu 610065, China;
    2. School of Electronic and Information Engineering, Xi'an Jiaotong University, Xi'an 710049, China
  • Received:2020-03-02 Published:2020-09-22
  • Supported by:
    Chengdu Key R & D Support Plan Technology Innovation R & D Project (2020-YF05-00056-SN)

摘要: 在面部视频中提取生命体征相关的生理信号时易受环境光和受试者头部运动的影响,为了降低外界干扰并提高生命体征检测的准确度,提出了一种联合集合经验模态分解(EEMD)算法与信号质量检测的面部视频分析方法,用于精确检测人体的心率与呼吸频率等生命体征。通过公开数据集进行实验验证,实验结果表明,所提方法相较于目前已有的常用信号处理方法能够得到更精确的心率与呼吸频率的估计值,所得估计值与标准值的相关系数分别高于0.9和0.8。同时,所提方法将为实时活体人脸识别提供一种思路,也有助于丰富监控视频智能分析的应用研究。

关键词: 面部视频, 成像式光电容积描记法, 集合经验模态分解(EEMD), 信号质量检测, 抗干扰

Abstract: To detect the physiological signals related to vital signs via facial video is easily affected by ambient lights and head motions. In order to reduce the disturbance and increase the accuracy of estimations of vital signs, this paper proposes a facial video analysis method that combines Ensemble Empirical Mode Decomposition (EEMD) algorithm and signals quality detection to accurately detect vital signs such as the heart rate and respiratory rate of human beings. The performance of the proposed method is validated by comparing it with the existing signal processing techniques in a public dataset. The experimental results show that the proposed method can obtain more accurate estimates of heart rate and respiratory rate than the existing methods. The correlation coefficients between the estimates and the golden standards are higher than 0.9 and 0.8, respectively. The vital signs detection method has the potential to benefit real-time living face recognition and intelligent surveillance video analysis.

Key words: facial video, imaging photoplethysmography, Ensemble Empirical Mode Decomposition(EEMD), signal quality detection, anti-interference

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发