一种视频流的生命体征数据计算方法、设备及介质技术

本发明专利技术涉及一种视频流的生命体征数据计算方法、设备及介质，所述方法包括以下步骤：获取视频流中的多帧视频图像；确定多帧视频图像中的人脸图像位置及眼部和嘴部特征；基于预先定义的卷积网络对所述眼部和嘴部特征区域附近的图像进行卷积操作，生成目标区域含时特征信息；将所述目标区域含时特征信息上传到SAAS服务器中，确定视频流对应的生命体征数。通过上述方案可使信息传输量大规模降低，信息中的有效成分大大提高。

【技术实现步骤摘要】
一种视频流的生命体征数据计算方法、设备及介质
本专利技术涉及计算机图像识别领域，具体涉及一种视频流的生命体征数据计算方法、设备及介质。
技术介绍
计算机视觉在神经网络尤其是深度神经网络的辅助下得到了快速发展。从当前新型手机的高分辨率(至少4K，8帧/秒，125s)摄像头数据流中分析获取被摄目标的心跳和呼吸频率数据目前已经成为可能。数据精度已经达到定性和半定量的水准。针对各种移动设备(手机，专用设备)的设备端需要提供高精度的无损(低损)压缩算法API。服务器提供标准的SAAS服务以及通用的标准接口，以满足各种第三方APP、小程序的开发需求。当前新型手机已经普遍采用高分辨率(4K)摄像头模组，部分摄像头甚至可以实现12M以及更高的分辨率。且实现这些分辨率时多数手机能够完成接近10帧/s的采样速率。这为从这些视频数据中分析获取被摄目标的心跳和呼吸频率数据奠定了基础。在采集到的人类面部视频信息(特征像素点的色彩、相对位移、相对色彩等)中包含有医学上非常重要的心跳和呼吸信息。这些信息通常变化非常微小并被大量的噪声信息和其他运动模式所遮盖，本文档来自技高网...

【技术保护点】
1.一种视频流的生命体征数据计算方法，其特征在于，所述方法包括：/n获取视频流中的多帧视频图像；/n确定多帧视频图像中的人脸图像位置及眼部和嘴部特征；/n基于预先定义的卷积网络对所述眼部和嘴部特征区域附近的图像进行卷积操作，生成目标区域含时特征信息；/n将所述目标区域含时特征信息上传到SAAS服务器中，确定视频流对应的生命体征数据。/n

【技术特征摘要】
1.一种视频流的生命体征数据计算方法，其特征在于，所述方法包括：
获取视频流中的多帧视频图像；
确定多帧视频图像中的人脸图像位置及眼部和嘴部特征；
基于预先定义的卷积网络对所述眼部和嘴部特征区域附近的图像进行卷积操作，生成目标区域含时特征信息；
将所述目标区域含时特征信息上传到SAAS服务器中，确定视频流对应的生命体征数据。


2.如权利要求1所述的方法，其特征在于，所述获取视频流中的多帧视频图像之前还包括：通过调用服务接口，获取用户通过视频流采集装置采集并传输到SAAS服务器的视频流。


3.如权利要求2所述的方法，其特征在于，所述通过调用服务接口，获取用户通过视频流采集装置采集并传输到SAAS服务器的视频流之前还包括：
通过JSON输入接口对获取的各个用户访问服务器时发送的身份认证请求进行解析，得到所述用户的网络参数；其中，所述JSON输入接口包括预先定义的关键词；
根据所述用户的网络参数，获取所述用户终端设备绑定的账户信息，并根据所述账户信息确定当前所述用户的权限信息；
若所述权限信息为有权状态，则判定所述用户的身份认证成功，并将验证通过消息和TCP/IP数据流的上传地址反馈至前端界面，采用TCP/IP数据流输入接口接收用户传输的视频流后，返回视频流的验证码；否则返回认证失败消息。


4.如权利要求1所述的方法，其特征在于，所述确定多帧视频图像中的人脸图像位置及眼部和嘴部特征包括：
调用opencv定位多帧视频图像中的人脸图像Fa；
分别记录在所述人脸图像特征点附近的当前帧图像数据和前一帧图像数据Fa1,Fa2；
将所述当前帧图像数据和前一帧图像数据Fa1,Fa2进行预处理，以采集特征数据。


5.如权利要求4所述的方法，其特征在于，所述将当前帧图像数据和前一帧图像数据Fa1,Fa2进行预处理，以采集特征数据包括：
对Fa1,Fa...

【专利技术属性】
技术研发人员：宋国梁，颜长华，
申请(专利权)人：梁华智能科技上海有限公司，
类型：发明
国别省市：上海;31