运动干扰下人脸视频心率检测方法研究
致谢 | 第9-10页 |
摘要 | 第10-11页 |
abstract | 第11-12页 |
缩略词 | 第19-21页 |
第一章 绪论 | 第21-43页 |
1.1 研究背景及意义 | 第21-24页 |
1.2 接触式PPG测量 | 第24-27页 |
1.2.1 PPG的背景 | 第24-26页 |
1.2.2 PPG的局限 | 第26-27页 |
1.3 非接触式PPG测量 | 第27-40页 |
1.3.1 IPPG的基本概念 | 第27-28页 |
1.3.2 IPPG的系统分类 | 第28-29页 |
1.3.3 IPPG的一般应用 | 第29-32页 |
1.3.4 IPPG的优缺点 | 第32-34页 |
1.3.5 IPPG面临的挑战 | 第34-37页 |
1.3.6 IPPG的进展现状 | 第37-40页 |
1.4 论文的研究内容和章节安排 | 第40-42页 |
1.5 本章小结 | 第42-43页 |
第二章 基于人脸视频的心率检测基本理论 | 第43-53页 |
2.1 IPPG的基本原理 | 第43-45页 |
2.2 基于人脸视频的心率检测方法 | 第45-49页 |
2.2.1 ROI选择与跟踪 | 第45-47页 |
2.2.2 空间信息合成 | 第47页 |
2.2.3 色彩通道选择 | 第47-48页 |
2.2.4 去噪 | 第48页 |
2.2.5 心率估计 | 第48-49页 |
2.3 心率检测方法性能评价 | 第49-52页 |
2.3.1 定量指标 | 第49-51页 |
2.3.2 定性分析 | 第51-52页 |
2.4 本章小结 | 第52-53页 |
第三章 基于多信号加权的人脸视频心率估计 | 第53-67页 |
3.1 引言 | 第53页 |
3.2 问题定义和建模 | 第53-55页 |
3.3 两步心率估计方法 | 第55-59页 |
3.3.1 人脸检测和跟踪 | 第56-57页 |
3.3.2 色度特征提取 | 第57页 |
3.3.3 基于多信号加权的两步心率估计 | 第57-59页 |
3.4 实验结果与分析 | 第59-66页 |
3.4.1 实验设置 | 第59-60页 |
3.4.2 参数设置 | 第60页 |
3.4.3 实验结果 | 第60-66页 |
3.5 本章小结 | 第66-67页 |
第四章 基于小波时频分析的人脸视频心率估计 | 第67-81页 |
4.1 引言 | 第67页 |
4.2 问题定义和建模 | 第67-69页 |
4.3 基于小波时频分析的人脸视频心率估计方法 | 第69-72页 |
4.3.1 人脸检测和跟踪 | 第70页 |
4.3.2 色度特征提取 | 第70页 |
4.3.3 使用图像块融合的脉搏波信号估计 | 第70-72页 |
4.3.4 基于频域分析的心率估计 | 第72页 |
4.4 实验结果与分析 | 第72-79页 |
4.4.1 实验设置 | 第72-73页 |
4.4.2 实验结果 | 第73-79页 |
4.5 本章小结 | 第79-81页 |
第五章 基于高斯导数滤波的人脸视频心率估计 | 第81-91页 |
5.1 引言 | 第81页 |
5.2 问题定义和建模 | 第81-82页 |
5.3 基于高斯导数滤波的人脸视频估计方法 | 第82-84页 |
5.3.1 条件分析 | 第82-83页 |
5.3.2 方法流程 | 第83-84页 |
5.4 实验结果与分析 | 第84-89页 |
5.4.1 实验设置 | 第85页 |
5.4.2 结果和讨论 | 第85-89页 |
5.5 本章小结 | 第89-91页 |
第六章 人脸视频心率检测可视化 | 第91-100页 |
6.1 引言 | 第91页 |
6.2 欧拉视频放大原理 | 第91-96页 |
6.2.1 基本原理 | 第91-94页 |
6.2.2 算法框架 | 第94-96页 |
6.3 基于颜色变化放大的人脸视频心率检测可视化 | 第96-99页 |
6.3.1 可视化算法设计 | 第96-97页 |
6.3.2 可视化效果展示 | 第97-98页 |
6.3.3 可视化系统设计 | 第98-99页 |
6.4 本章小结 | 第99-100页 |
第七章 总结与展望 | 第100-102页 |
7.1 全文总结 | 第100-101页 |
7.2 后续展望 | 第101-102页 |
参考文献 | 第102-122页 |
攻读博士学位期间的学术活动及成果情况 | 第122页 |