【技术实现步骤摘要】
基于人脸特征点检测的非接触式心率检测方法、系统及介质
[0001]本专利技术涉及计算机视觉、信号处理领域，具体涉及一种基于人脸特征点检测的非接触式心率检测方法、系统、计算机设备及存储介质。
技术介绍
[0002]心率是一种重要的生命特征信息，监测心率可以帮助预防心脏疾病。传统心率检测方法是接触式的，比如心电图(Electrocardiogram,ECG)，它需要用多个体表电极与检查者身体表面进行直接接触，会给检测者带来不便。此外，ECG设备的价格昂贵，操作复杂。而像多普勒雷达等非接触式心率检测方法也一样需要特殊的设备，成本较高。因此这些方法都不适合日常的心率监测。
[0003]近几年来，成像式光电容积脉搏波描记法(imaging Photoplethysmography,iPPG)的研究发展迅速。这种方法拥有非接触、低成本和易携带的特点，得到研究者们的关注。iPPG利用一个摄像头传感器采集人体表面皮肤的视频信号，通过信号处理技术探测环境光吸收率差异导致的表皮色彩强度微弱变化，从而估计出心率值。这种方式无需直接接触，不...
【技术保护点】
【技术特征摘要】
1.一种基于人脸特征点检测的非接触式心率检测方法，其特征在于，所述方法包括：获取人脸视频图像，根据人脸视频图像确定人脸区域；将所述人脸区域输入人脸特征点检测网络模型，得到人脸特征点；所述人脸特征点检测网络模型包括特征提取部分和多尺度融合预测部分，其中，所述特征提取部分包括标准卷积层和多个Block层，所述Block层为MobileNetV3提出的深度可分离卷积模块；所述多尺度融合预测部分通过对多个不同尺度图像进行融合增强模型的表达力；根据所述人脸特征点确定感兴趣区域，分离所述感兴趣区域中的通道信号作为观测信号；利用脉搏波提取算法从所述观测信号中分离出血液容积脉搏波信号；根据所述血液容积脉搏波信号计算心率值。2.根据权利要求1所述的非接触式心率检测方法，其特征在于，所述Block层共有11个；所述多尺度融合预测部分包括多个平均池化层、卷积层和全连接层；所述将所述人脸区域输入人脸特征点检测网络模型，得到人脸特征点，包括：将所述将所述人脸区域输入所述标准卷积层中，输出的图像经过11个Block层处理；将第一个、第三个、第六个、第九个Block层的输出分别作为S1、S2、S3和S4；最后一个Block层的输出经过卷积层处理后输出S5；S1、S2、S3和S4分别经过平均池化层处理后，将池化后的S1、S2、S3、S4和S5进行拼接，将拼接的结果输入全连接层，输出人脸特征点坐标；且每个池化层的核尺寸和步长为输入图像尺寸的长。3.根据权利要求2所述的非接触式心率检测方法，其特征在于，所述Block层包括扩展层、深度可分离卷积、投影层、残差连接和SE注意力模块，其中，所述扩展层用于将低维空间映射到高维空间；所述深度可分离卷积用于完成卷积功能，降低计算量、参数量；所述投影层用于将高维特征映射到低维空间去；所述残差连接用于降低模型复杂度以减少过拟合，防止梯度消失；所述SE注意力模块用于对输入特征图进行通道特征加强；在Block层中只有步长等于1且输入通道数等于输出通道数时，才使用残差连接。4.根据权利要求1所述的非接触式心率检测方法，其特征在于，所述分离所述感兴趣区域中的通道信号作为观测信号，包括：依次对于单个感兴趣区域ROI，分离出红、绿、蓝三通道信号，并分别取平均值得到：对于单个视频，得到三组长度为视频帧数的原始信号：R(t),G(t),B(t)作为观测信号。5.根据权利要求4所述的非接触式心率检测方法，其特征在于，所述利用脉搏波提取算法从所述观测信号中分离出血液容积脉搏波信号，包括：脉搏波提取算法定义如下：其中，σ(
·
)表示标准偏差，X
x
和Y
s
是由RGB三通道信号组合得到的，单个光源的情况下，它们通常表示为：X
s
＝G
n
‑
B
n
Y
s
＝G
n
+B
n
‑
2R
n
其中，R
n
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。