基于人脸视频的心率特征提取方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 情感识别研究现状 | 第10-12页 |
| 1.2.2 非接触式心率检测研究现状 | 第12-13页 |
| 1.2.3 目前国内外研究所存在的问题 | 第13页 |
| 1.3 本文研究内容及贡献 | 第13-15页 |
| 第二章 基于人脸视频的心率特征提取方法 | 第15-23页 |
| 2.1 基于人脸视频的心率特征提取原理及流程 | 第15-16页 |
| 2.1.1 成像式光电容积描记法 | 第15-16页 |
| 2.1.2 基于人脸视频的心率特征提取总流程 | 第16页 |
| 2.2 心率特征提取中的图像处理方法 | 第16-19页 |
| 2.2.1 人脸检测 | 第16-17页 |
| 2.2.2 颜色空间 | 第17-19页 |
| 2.3 心率特征提取中的信号处理方法 | 第19-22页 |
| 2.3.1 心率曲线提取及处理 | 第19页 |
| 2.3.2 滤波 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于异常峰值点定位与修正的心率特征提取 | 第23-40页 |
| 3.1 基于人脸视频的心率曲线提取方案 | 第23-26页 |
| 3.1.1 心率曲线提取流程 | 第23-24页 |
| 3.1.2 数据采集 | 第24-26页 |
| 3.2 基于人脸视频的心率特征提取 | 第26-32页 |
| 3.2.1 人脸检测 | 第26-27页 |
| 3.2.2 通道选取 | 第27-28页 |
| 3.2.3 ROI选取 | 第28-29页 |
| 3.2.4 原始心率曲线的滤波处理 | 第29-31页 |
| 3.2.5 HRV参数选取 | 第31-32页 |
| 3.3 晃动对HRV参数提取效果的影响 | 第32-33页 |
| 3.4 基于心率曲线的异常峰值点定位方案 | 第33-36页 |
| 3.4.1 设置两相邻峰值点的斜率阈值 | 第34页 |
| 3.4.2 设置相邻峰值点间期阈值范围 | 第34-36页 |
| 3.5 基于心率曲线的异常峰值点修正方案 | 第36-37页 |
| 3.5.1 异常点修正 | 第36页 |
| 3.5.2 N的确定 | 第36-37页 |
| 3.6 异常峰值点定位及修正方案效果分析 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 基于人脸视频提取的心率变异性的情感识别 | 第40-50页 |
| 4.1 基于HRV参数的情感识别方案 | 第40-42页 |
| 4.1.1 基于HRV参数的情感识别流程 | 第40页 |
| 4.1.2 实验数据 | 第40-42页 |
| 4.2 情感识别模型的建立 | 第42-45页 |
| 4.2.1 面部HRV参数提取 | 第42-43页 |
| 4.2.2 模型的建立 | 第43-45页 |
| 4.3 基于HRV参数的情感识别 | 第45-49页 |
| 4.3.1 基于愉悦度的情感识别 | 第45-47页 |
| 4.3.2 基于唤醒度的情感识别 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
