【技术实现步骤摘要】
本申请涉及视频图像处理，尤其是涉及一种基于人脸视频的心率检测方法、装置、设备及介质。
技术介绍
1、随着经济社会的发展和各类车辆的日益普及，人们对于车辆的需求越来越高，同时，车辆安全驾驶也是必须要关注的问题。
2、针对车辆安全驾驶中的疲劳驾驶问题，可通过采集驾驶员的心率来检测驾驶员是否疲劳。传统的心率检测方法为接触式检测，需要检测设备与驾驶员进行接触，但由于监测设备的自动化程度较低，容易造成安全事故，并不适合在驾驶场景中使用，也不适用于长时间的心率检测。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种基于人脸视频的心率检测方法、装置、设备及介质，根据人脸图像上扰动较小且色度特征明显的区域来进行心率检测，既能保证心率值检测的准确性，又能减少分析选取优质图像块而造成的时间消耗。
2、第一方面，本申请实施例提供了一种基于人脸视频的心率检测方法，所述心率检测方法包括：
3、通过车载摄像头采集进行心率检测的用户的人脸视频，从所述人脸视频中提取目标帧图像，并将所述目标帧图像存储至人脸检测的循环队列中；
4、根据所述循环队列的指针指向位置从所述循环队列中读取对应位置的目标人脸图像，并从所述目标人脸图像中截取人脸感兴趣区域；
5、基于所述人脸感兴趣区域中的色度特征进行心率检测，确定出所述用户的心率值。
6、进一步的，所述根据所述循环队列的指针指向位置从所述循环队列中读取对应位置的目标人脸图像，并从所述目标人脸图像中截取人
7、判断所述循环队列中所存储的所述目标帧图像的数量是否等于预设数量；
8、若是，将所述循环队列的指针所指向位置处的目标帧图像确定为所述目标人脸图像；
9、将所述目标人脸图像输入到预先训练好的人脸级联分类器模型中进行人脸识别，获取所述目标人脸图像中的人脸区域；
10、利用预设的感兴趣区域截取规则从所述目标人脸图像的所述人脸区域中截取所述人脸感兴趣区域。
11、进一步的，通过以下步骤训练所述人脸级联分类器模型：
12、获取样本训练集；其中，所述样本训练集中包括人脸图像训练集和非人脸图像训练集，所述人脸图像训练集中包括多张人脸样本图像，每张人脸样本图像为正样本，所述非人脸图像训练集中包括多种非人脸样本图像，每张非人脸样本图像为负样本；
13、使用haar特征对所述样本训练集中的每张样本图像进行图像特征提取，以建立对应的多个弱分类器；
14、基于所述样本训练集中的正样本和负样本，使用adaboost算法对多个所述弱分类器进行迭代训练，得到区分人脸和非人脸的多个强分类器；
15、对多个所述强分类器组成为所述人脸级联分类器模型。
16、进一步的，所述人脸感兴趣区域包括人脸额头区域、人脸左脸颊区域和人脸右脸颊区域；所述基于所述目标人脸图像中的人脸区域以及预设的感兴趣区域选取截取从所述目标人脸图像中截取所述人脸感兴趣区域，包括：
17、在所述目标人脸图像中确定出所述人脸区域对应的第一长度值、第一宽度值和第一左上角坐标值；
18、将所述第一长度值与第一预设参数之间的商作为第二长度值，将所述第一宽度值与第二预设参数之间的商作为第二宽度值；
19、基于所述第一左上角坐标值，利用第一坐标计算公式确定出第二左上角坐标值；
20、基于所述第二左上角坐标值、所述第二长度值和所述第二宽度值从所述目标人脸图像中截取所述人脸额头区域；
21、将所述第一长度值与第三预设参数之积作为第三长度值，将所述第一宽度值与第四预设参数之积作为第三宽度值；
22、基于所述第一左上角坐标值，利用第二坐标计算公式确定出第三左上角坐标值；
23、基于所述第三左上角坐标值、所述第三长度值和所述第三宽度值从所述目标人脸图像中截取所述人脸左脸颊区域；
24、基于所述第一左上角坐标值，利用第三坐标计算公式确定出第四左上角坐标值；
25、基于所述第四左上角坐标值、所述第三长度值和所述第三宽度值从所述目标人脸图像中截取所述人脸右脸颊区域。
26、进一步的，当判断所述循环队列中所存储的所述目标帧图像的数量大于所述预设数量时，所述心率检测方法还包括：
27、获取上一张进行人脸感兴趣区域截取的历史人脸图像，并确定所述历史人脸图像中的人脸感兴趣区域对应的检测框；
28、针对于所述循环队列中所存储的每张目标帧图像，基于所述检测框从该目标帧图像中截取对应的图像区域，并将所述图像区域确定为该目标人脸图像中的人脸感兴趣区域。
29、进一步的，在所述基于所述人脸感兴趣区域中的色度特征进行心率检测之前，所述心率检测方法还包括：
30、判断进行人脸感兴趣区域截取的所述目标人脸图像的累计数量是否大于图像数量阈值；
31、若否，则返回执行所述根据所述循环队列的指针指向位置从所述循环队列中读取对应位置的目标人脸图像，并从所述目标人脸图像中截取人脸感兴趣区域的步骤，直至所述累计数量大于所述图像数量阈值。
32、进一步的，所述基于所述人脸感兴趣区域中的色度特征进行心率检测，确定出所述用户的心率值，包括：
33、对所述人脸感兴趣区域进行颜色通道分离，得到颜色通道信号，并从所述颜色通道信号中提取出脉冲信号；
34、对每个所述脉冲信号进行傅里叶变换，得到频域信号，并对所述频域信号进行频谱分析，以确定出所述心率值。
35、第二方面，本申请实施例还提供了一种基于人脸视频的心率检测装置，所述心率检测装置包括：
36、图像获取模块，用于通过车载摄像头采集进行心率检测的用户的人脸视频，从所述人脸视频中提取目标帧图像，并将所述目标帧图像存储至人脸检测的循环队列中；
37、人脸感兴趣区域截取模块，用于根据所述循环队列的指针指向位置从所述循环队列中读取对应位置的目标人脸图像，并从所述目标人脸图像中截取人脸感兴趣区域；
38、心率值检测模块，用于基于所述人脸感兴趣区域中的色度特征进行心率检测，确定出所述用户的心率值。
39、第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的基于人脸视频的心率检测方法的步骤。
40、第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的基于人脸视频的心率检测方法的步骤。
41、本申请实施例提供的一种基于人脸视频的心率检测方法、装置、设备及介质，首先，通过车载摄像头采集进行心率检测的用户的人脸视频，从所述人脸视频中提取目标帧图像，并将所述目标帧图像存本文档来自技高网...
【技术保护点】
1.一种基于人脸视频的心率检测方法，其特征在于，所述心率检测方法包括：
2.根据权利要求1所述的心率检测方法，其特征在于，所述根据所述循环队列的指针指向位置从所述循环队列中读取对应位置的目标人脸图像，并从所述目标人脸图像中截取人脸感兴趣区域，包括：
3.根据权利要求2所述的心率检测方法，其特征在于，通过以下步骤训练所述人脸级联分类器模型：
4.根据权利要求2所述的心率检测方法，其特征在于，所述人脸感兴趣区域包括人脸额头区域、人脸左脸颊区域和人脸右脸颊区域；所述基于所述目标人脸图像中的人脸区域以及预设的感兴趣区域选取截取从所述目标人脸图像中截取所述人脸感兴趣区域，包括：
5.根据权利要求2所述的心率检测方法，其特征在于，当判断所述循环队列中所存储的所述目标帧图像的数量大于所述预设数量时，所述心率检测方法还包括：
6.根据权利要求1所述的心率检测方法，其特征在于，在所述基于所述人脸感兴趣区域中的色度特征进行心率检测之前，所述心率检测方法还包括：
7.根据权利要求1所述的心率检测方法，其特征在于，所述基于所述人脸感
8.一种基于人脸视频的心率检测装置，其特征在于，所述心率检测装置包括：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的一种基于人脸视频的心率检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的一种基于人脸视频的心率检测方法的步骤。
...【技术特征摘要】
1.一种基于人脸视频的心率检测方法，其特征在于，所述心率检测方法包括：
2.根据权利要求1所述的心率检测方法，其特征在于，所述根据所述循环队列的指针指向位置从所述循环队列中读取对应位置的目标人脸图像，并从所述目标人脸图像中截取人脸感兴趣区域，包括：
3.根据权利要求2所述的心率检测方法，其特征在于，通过以下步骤训练所述人脸级联分类器模型：
4.根据权利要求2所述的心率检测方法，其特征在于，所述人脸感兴趣区域包括人脸额头区域、人脸左脸颊区域和人脸右脸颊区域；所述基于所述目标人脸图像中的人脸区域以及预设的感兴趣区域选取截取从所述目标人脸图像中截取所述人脸感兴趣区域，包括：
5.根据权利要求2所述的心率检测方法，其特征在于，当判断所述循环队列中所存储的所述目标帧图像的数量大于所述预设数量时，所述心率检测方法还包括：
6.根据权利要求1所述的心率检测...
【专利技术属性】
技术研发人员：刘聃琦，李鑫，梁铭育，于洪洋，
申请(专利权)人：富赛汽车电子有限公司，
类型：发明
国别省市：
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。