基于面部视频的人体心率测量
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题的研究意义 | 第8-9页 |
| 1.2 课题的研究背景 | 第9-12页 |
| 1.2.1 接触式心率检测 | 第9-11页 |
| 1.2.2 非接触式心率检测 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 课题研究的主要内容及章节安排 | 第13-15页 |
| 1.4.1 课题的主要研究内容 | 第13-14页 |
| 1.4.2 本文的章节安排 | 第14-15页 |
| 第2章 非接触式心率检测算法 | 第15-27页 |
| 2.1 非接触式心率检测现有的方法 | 第15-17页 |
| 2.1.1 非接触式电容电极检测法 | 第15-16页 |
| 2.1.2 微波雷达传感器法 | 第16-17页 |
| 2.1.3 基于磁感应的非接触式心率检测 | 第17页 |
| 2.2 光电容积描记法 | 第17-26页 |
| 2.2.1 光电容积描记法的原理 | 第17-25页 |
| 2.2.2 光电容积脉搏波信号的噪声分析 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于人脸视频的心率检测算法 | 第27-34页 |
| 3.1 基于人脸视频的心率检测的原理 | 第27-29页 |
| 3.2 基于人脸视频的心率检测的主要方法 | 第29-33页 |
| 3.2.1 基于主成分分析的心率检测 | 第29-31页 |
| 3.2.2 基于独立成分分析的心率检测 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于面部视频色度信息的心率检测算法 | 第34-50页 |
| 4.1 视频数据的采集 | 第34-35页 |
| 4.2 人脸检测算法 | 第35-39页 |
| 4.2.1 Haar-like特征 | 第35-36页 |
| 4.2.2 积分图 | 第36-37页 |
| 4.2.3 AdaBoost算法 | 第37-39页 |
| 4.3 信号的提取与处理 | 第39-49页 |
| 4.3.1 对原始信号的处理 | 第39-41页 |
| 4.3.2 欧拉信号放大算法 | 第41-43页 |
| 4.3.3 信号的分析与预处理 | 第43-45页 |
| 4.3.4 小波阈值图像去噪及归一化处理 | 第45-47页 |
| 4.3.5 快速傅立叶变换 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验结果及分析 | 第50-56页 |
| 5.1 实验环境 | 第50页 |
| 5.2 实验结果 | 第50-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 全文总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
