基于视频的血流特征测定及疲劳度判定制造技术

本发明专利技术公布了一种非接触式测定疲劳度的途径，分为两个部分。第一部分通过分析视频中人皮肤区域的像素值随时间变化的序列，经成像光电容积描记法(ImagePhotoplethysmography，IPPG)信号提取、心动窗口提取、血流信号特征提取、特征时延计算和噪声过滤五个步骤得到有效像素位置的血流特征时延。第二部分对有效像素点的血流特征时延与原始视频帧进行数据融合，将视频转化为一张带有血流信息的人皮肤图片，将该图片作为训练对象利用神经网络进行深度学习，得到具有判别疲劳程度能力的网络模型，同时再对血流特征提取和数据融合的算法进行优化，从而形成从视频到人体疲劳程度检测结果的非接触式检测系统。的非接触式检测系统。的非接触式检测系统。

【技术实现步骤摘要】
基于视频的血流特征测定及疲劳度判定


[0001]本专利技术涉及数字图像处理、数字信号处理、深度学习、卷积神经网络在微小信号放大、图像分类等方面的应用。

技术介绍

[0002]随着科学发展与社会进步，人们的生活水平不断提高，高强度的生产生活与丰富的娱乐方式在不断支配人们消耗精力的同时，让疲劳这一生理现象开始流行于人群当中，很多人不知道何时就患上了慢性疲劳综合症，无法高效的工作学习与娱乐，甚至无法正常的生活。此外，每年因疲劳驾驶导致的交通事故不计其数，人们的生命财产安全受到严重威胁。因此，我们需要一种手段去实时监测并告知人们的疲劳状况，并尽可能使监测的过程不影响人们的生产生活。
[0003]疲劳作为一种生理表现，已有研究表明它的产生和某些生理信号有所关联，例如脑电信号、心率、眼动信号、血流信号等，这些生理信号相比于疲劳时人们表现出的行为如打哈欠、闭眼等，可能更接近疲劳的本质，而随着计算机视觉领域的发展，依靠视频画面中的像素级变化，非接触式的提取心率、眼动信号甚至血流场已经成为现实，本专利技术就是从血流信号与疲劳具有一定的相关性为出发点，依靠本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明公开了一种基于视频的血流特征测定及疲劳度判定技术，其特征在于将视频转化为融合了血流信息的人皮肤图像，通过卷积神经网络进行训练，利用得到的网络模型进行疲劳度分类。2.根据权利要求1所述的一种基于视频的血流特征测定及疲劳度判定技术，其特征在于根据成像光电容积描记法提取的信号划分心动窗口，匹配选取的血流特征并在每一心动窗口计算血流特征出现的相对时...

【专利技术属性】
技术研发人员：陈颖，余海天，朱昊川，葛云，
申请(专利权)人：南京大学，
类型：发明
国别省市：