【技术实现步骤摘要】
基于远程脉搏波信号的非接触式应激检测方法和系统
[0001]本专利技术涉及应激检测
，具体涉及一种基于远程脉搏波信号的非接触式应激检测方法和系统
。
技术介绍
[0002]现有基于生理信号的应激状态识别方法中，往往通过使用如心电仪
、
手环等接触式设备用于获取用户的生理信号
。
然而，接触式设备在信号采集过程中采集设备与肌肤贴合会造成不适感，且长时间使用将会造成接触部位的血管等组织发生形变，从而影响用户生理信号的监测结果
。
此外，存在部分人群肌肤会对接触式设备基础材料产生过敏反应
。
因此，远程光电容积脉搏波描记法
(remote Photoplethysmography
，
rPPG)
信号逐渐成为了现有应激状态识别方法中的常用生理信号
。
[0003]现有基于
rPPG
信号的非接触式应激检测方法中，通过获取
rPPG
信号中的信号波峰，并进一步计算波峰间期
(
即，
R
‑
R
间期
)
，从而提取心率变异性
(Heart Rate Variablity
，
HRV)
特征
。
其中，
HRV
特征是一组针对
R
‑
R
间期的人为设定特征，现有技术中往往通过手工计算进行提取
。
...
【技术保护点】
【技术特征摘要】
1.
一种基于远程脉搏波信号的非接触式应激检测方法，其特征在于，所述方法包括：获取预设时间段的远程脉搏波信号，作为第一信号；获取所述第一信号的一阶导数，作为第二信号；将所述第一信号和所述第二信号输入至预设的应激检测网络中，并获取所述应激检测网络输出的二分类结果，作为应激检测结果；其中，所述应激检测网络包括：卷积层
、
池化层
、
波峰注意力模块
、
长短期记忆网络和全连接层；所述卷积层与池化层用于信号特征编码
、
所述波峰注意力模块用于引入波峰检测辅助任务并依据波峰位置计算时间注意力权重
、
所述长短期记忆网络用于提取时序信息
、
所述全连接层用于获取应激状态识别结果
。2.
根据权利要求1所述的方法，其特征在于，所述预设的应激检测网络对所述第一信号
、
所述第二信号的处理过程包括：在所述第一信号和所述第二信号输入之后，基于预设的第一卷积层和第一池化层提取所述第一信号的信号特征，作为第一特征图；并基于预设的第二卷积层和第二池化层提取所述第二信号的信号特征，作为第二特征图；基于预设的第三卷积层提取所述第一信号的信号特征，作为第三特征图，并基于第一波峰注意力模块提取所述第三特征图的信号特征，作为第四特征图；基于预设的第四卷积层提取所述第二信号的信号特征，作为第五特征图，并基于第二波峰注意力模块提取所述第五特征图的信号特征，作为第六特征图；其中，所述第四卷积层与所述第三卷积层的结构相同；所述第一波峰注意力模块与所述第二波峰注意力模块的结构相同且参数共享；基于预设的第五卷积层和第五池化层对所述第四特征图进行特征提取，得到第七特征图，并将所述第七特征图与所述第一特征图进行特征融合，得到第八特征图；基于预设的第六卷积层和第六池化层对所述第六特征图进行特征提取，得到第九特征图，并将所述第九特征图与所述第二特征图进行特征融合，得到第十特征图；基于预设的第七卷积层和第七池化层对第八特征图进行特征提取，得到第十一特征图；并基于预设的第八卷积层和第八池化层对第十特征图进行特征提取，得到第十二特征图；其中，所述第一卷积层
、
第二卷积层
、
第五卷积层
、
第六卷积层
、
第七卷积层
、
第八卷积层的结构均相同；所述第一池化层与第二池化层
、
第五池化层
、
第六池化层
、
第七池化层
、
第八池化层的结构均相同；将所述第十一特征图和所述第十二特征图进行通道拼接，并将通道拼接后的特征图输入至分类器中，以使所述分类器输出应激状态识别的二分类结果；其中，所述分类器由长短期记忆网络和全连接网络组成
。3.
根据权利要求2所述的方法，其特征在于，波峰注意力模块包括峰值检测分支
、
最大池化分支
、
权重调整分支和注意残差分支；其中，所述波峰注意力模块包括第一波峰注意力模块和第二波峰注意力模块；所述波峰注意力模块对输入的特征图的处理过程包括：基于所述峰值检测分支获取所述特征图对应的波峰检测结果；其中，所述特征图包括第三特征图和第五特征图；基于所述最大池化分支获取所述特征图的全局池化权重系数；基于所述权重调整分支获取所述特征图的权重调整系数；
将所述波峰检测结果和全局池化权重系数
、
权重调整系数进行特征融合，得到综合权重系数；基于
SoftMax
函数对综合权重系数进行映射处理，得到时间注意力权重；将所述注意力权重与所述特征图在时域上进行相乘，以得到具有增强时间重要性的特征图；将具有增强时间重要性的特征图与所述特征图进行特征融合，得到第四特征图或第六特征图
。4.
根据权利要求3所述的方法，其特征在于，所述基于所述峰值检测分支获取所述...
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。