基於視頻分析的rPPG心率檢測綜述

2021-03-02 SIGAI

參考資料及文獻：

[1] Chen, Xun , et al. "Video-Based Heart Rate Measurement: Recent Advances and Future Prospects." IEEE Transactions on Instrumentation and Measurement (2018):1-16.

[2] W. Verkruysse, L. O. Svaasand, and J. S. Nelson, 「Remote plethysmo- graphic imaging using ambient light,」 Opt. Express, vol. 16, no. 26, pp. 21434–21445, 2008.

[3] M.-Z. Poh, D. J. McDuff, and R. W. Picard, 「Advancements in noncontact, multiparameter physiological measurements using a web- cam,」 IEEE Trans. Biomed. Eng., vol. 58, no. 1, pp. 7–11, Jan. 2011.

[4] Y. Sun, V. Azorin-Peris, R. Kalawsky, S. Hu, C. Papin, and S. E. Greenwald, 「Use of ambient light in remote photoplethysmo- graphic systems: Comparison between a high-performance camera and a low-cost webcam,」 J. Biomed. Opt., vol. 17, no. 3, p. 037005, 2012.

[5] M.-Z. Poh, D. J. McDuff, and R. W. Picard, 「Non-contact, automated cardiac pulse measurements using video imaging and blind source separation,」 Opt. Express, vol. 18, no. 10, pp. 10762–10774, 2010.

[6] S. Yu, S. Hu, V. Azorin-Peris, J. A. Chambers, Y. Zhu, and S. E. Greenwald, 「Motion-compensated noncontact imaging photo- plethysmography to monitor cardiorespiratory status during exercise,」 J. Biomed. Opt., vol. 16, no. 7, p. 077010, 2011.

[7] A. Al-Naji, A. G. Perera, and J. Chahl, 「Remote monitoring of cardiorespiratory signals from a hovering unmanned aerial vehicle,」 Biomed. Eng. Online, vol. 16, Aug. 2017, Art. no. 101.

[8] Z. Guo, Z. J. Wang, and Z. Shen, 「Physiological parameter monitoring of drivers based on video data and independent vector analysis,」 in Proc. IEEE Int. Conf. Acoust., Speech Signal Process. (ICASSP), May 2014, pp. 4374–4378.

[9] H. Qi, Z. Guo, X. Chen, Z. Shen, and Z. J. Wang, 「Video-based human heart rate measurement using joint blind source separation,」 Biomed. Signal Process. Control, vol. 31, pp. 309–320, Jan. 2017.

[10] G. de Haan and V. Jeanne, 「Robust pulse rate from chrominance-based rPPG,」 IEEE Trans. Biomed. Eng., vol. 60, no. 10, pp. 2878–2886, Oct. 2013.

[11] G. de Haan and A. van Leest, 「Improved motion robustness of remote- PPG by using the blood volume pulse signature,」 Physiol. Meas., vol. 35, no. 9, pp. 1913–1926, 2014.

[12] W. Wang, A. C. den Brinker, S. Stuijk, and G. de Haan, 「Algorithmic principles of remote PPG,」 IEEE Trans. Biomed. Eng., vol. 64, no. 7, pp. 1479–1491, Jul. 2017.

[13] F. Bousefsaf, C. Maaoui, and A. Pruski, 「Continuous wavelet filtering on webcam photoplethysmographic signals to remotely assess the instantaneous heart rat

[14] H. Monkaresi, R. A. Calvo, and H. Yan, 「A machine learning approach to improve contactless heart rate monitoring using a webcam,」 IEEE J. Biomed. Health Informat., vol. 18, no. 4, pp. 1153–1160, Jul. 2014.

[15] M. Soleymani, J. Lichtenauer, T. Pun, and M. Pantic, 「A multimodal database for affect recognition and implicit tagging,」 IEEE Trans. Affect. Comput., vol. 3, no. 1, pp. 42–55, Jan. 2012.

[16] S. Koelstra et al., 「DEAP: A database for emotion analysis; Using physiological signals,」 IEEE Trans. Affective Comput., vol. 3, no. 1, pp. 18–31, Oct./Mar. 2012.

[17] Y. Sun and N. Thakor, 「Photoplethysmography revisited: From contact to noncontact, from point to imaging,」 IEEE Trans. Biomed. Eng., vol. 63, no. 3, pp. 463–477, Mar. 2016.

相關焦點

  • 基於FPGA的視頻實時邊緣檢測系統
    摘要：對於視頻圖像檢測與識別的需要，提出了一種基於FPGA的視頻邊緣檢測系統設計方案，並完成系統的硬體設計。本文引用地址：http://www.eepw.com.cn/article/201610/308525.htm隨著科技的發展，視頻採集系統越來越廣泛的應用於各個領域，如體育直播，視頻會議，飛彈的電視制導等等。而圖像邊緣是圖像的基本特徵之一，其中包含了很重要的邊界信息，這些信息是圖像分析、目標識別的基礎。
  • 連鎖分析和關聯分析中新方法綜述
    ，撰寫了題為「基於家係數據的全基因組關聯學習」的綜述文章。本文引領讀者了解連鎖分析與關聯分析之間的區別與聯繫，綜述了連鎖分析和關聯分析中的新方法和新應用，並指出了連鎖分析和關聯分析在遺傳學研究中的發展方向及趨勢。 目前擔任中科院心理研究所客座研究員的Jurg Ott教授是國際知名的資深學者，是遺傳統計研究的先驅。
  • 一種基於FPGA的視頻邊緣檢測系統設計
    摘要：對於視頻圖像檢測與識別的需要，提出了一種基於FPGA的視頻邊緣檢測系統設計方案，並完成系統的硬體設計。通過FPGA控制攝像頭進行視頻採集，雙埠SDRAM對圖像數據進行緩存，FPGA再對數據進行實時處理。
  • 基於深度學習的三維點雲綜述part2-3D物體檢測與跟蹤
    論文地址：https://arxiv.org/pdf/1912.12033.pdf項目地址：https://github.com/QingyongHu/SoTA-Point-Cloud3D物體檢測與跟蹤：這部分主要綜述三維物體檢測，三維物體跟蹤，三維場景流估計三部分。
  • 綜述 | 異質信息網絡分析與應用綜述
    題目： 異質信息網絡分析與應用綜述投寄至軟體學報隨著大數據時代的到來，異質信息網絡自然融合異構多源數據的優勢使其成為解決大數據多樣性的重要途徑。因此，異質信息網絡分析迅速成為數據挖掘研究和產業應用的熱點。本文是2020年針對異質信息網絡分析與應用的一篇中文綜述，已投寄至軟體學報。具體而言，本文對異質信息網絡分析與應用進行了全面綜述。
  • 【ACS Nano】綜述:基於熱聲效應的石墨烯聲音發射器
    該成果詳細綜述了基於熱聲效應聲源的發展歷程和理論模型，並且對石墨烯的製備和聲源設備的性能、應用作了詳細介紹。石墨烯是世界上最薄的材料，厚度僅為0.34nm，擁有高的熱傳導率、大的比表面積、高的電子遷移率以及低的單位熱容量，廣泛應用於傳感器、電晶體、儲能、水淨化、感光元件等領域。
  • 一探究竟,AI 通過分析瞳孔和心率預測兒童自閉症|一周AI新聞
    AI 通過分析瞳孔和心率預測兒童自閉症「 共同呵護童年 」自閉症和其他神經發育障礙通常要到孩子幾歲時才會被診斷出來。本周發表在 PNAS 上的一項新研究表明，有兩種簡單又可量化的測量方法：檢測瞳孔收縮/擴張或心率變化，可以更早地診斷出雷特綜合症，以及其他可能具有自閉症特徵的疾病。這項研究由波士頓兒童醫院兩位神經科學家主導進行。研究揭示了一種機器學習算法，該算法可以準確檢查小鼠模型中的瞳孔異常情況，可預測孤獨症譜系障礙。
  • 【綜述專欄】異常檢測:Anomaly Detection綜述
    為此，我們特別精選國內外優秀的綜述論文，開闢「綜述」專欄，敬請關注。03異常檢測相關工作與方向首先根據查閱異常檢測方向綜述的文章，我將基於深度學習的異常檢測應用方向論文，按照主要的邏輯結構列舉在了下面，我相信這可以更加方便地向你展示異常檢測方向你應該怎樣去研究你的論文。1.
  • 上海交大專家發表核酸分析領域重要綜述論文
    核酸分析旨在發展基於核酸化學的測量策略、原理、方法與技術，研製各類基於核酸化學的分析儀器及裝置，以精準獲取核酸以及多種其他物質的組成、分布、結構與性質的時空變化規律，已成為分析化學的一個重要組成部分。核酸分析具有廣闊的應用範圍，包括醫學診斷、環境監測、食品分析、物證分析以及國家安全等。
  • 文獻綜述查重嗎?哪個軟體檢測更準一點
    目前，關於論文查重的需求在各大高校裡面是越來越多，每一個高校畢業生在撰寫論文的時候，都希望先檢測一遍，為的就是在導師那裡可以一次性審核通過，而且對於不同軟體的檢測結果方面，可以得到了高校的認可。在這一點上來說，文獻綜述查重嗎？
  • Apple Watch首個心電圖監測器通過人工智慧分析心率
    打開APP Apple Watch首個心電圖監測器通過人工智慧分析心率 steve 發表於 2018-03-19 16:59:25
  • 小米手環給衛生紙測出心率?這回真相了
    最近知乎上的一篇文章將智能手環送上了熱門話題，其中點讚評論最多的回答是一位小米手環3的用戶寫的，他居然用小米手環套在衛生紙上並測出了心率數據。這位朋友在視頻裡演示了從頭開始測衛生紙的心率，最後居然真的測出了86次每分鐘的心率。
  • 微信這個鮮為人知的功能,觸摸攝像頭即可檢測心率,太秀了
    今日推薦：微信檢測心率小程序前段時間，小米健康新增了心率檢測功能，利用手機攝像頭就可以完成心率檢測，小雷也在當時第一時間分享了使用方法。但也有不少小夥伴反饋有沒有其他手機能使用的方法，答案是有的。小雷最近就發現了一個微信小程序，同樣也能利用攝像頭檢測心率，而且不限機型，所有手機通用，今天分享給大家。使用方法也很簡單，點擊測量然後把手指按在後攝像頭上等待60秒即可。經小雷測試，功能性上相比一些手機自帶的也要更豐富。
  • 基於深度學習的目標檢測算法綜述
    本文針對目前主流的目標檢測方法進行簡單的介紹，文章分為兩個部分：第一部分介紹R Girshick提出的以R-CNN為代表的結合region proposal和CNN分類的目標檢測框架(R-CNN, SPP-NET, Fast R-CNN, Faster R-CNN); 第二部分介紹以YOLO為代表的將目標檢測轉換為回歸問題的目標檢測框架(YOLO, SSD); 第三部分介紹一些最新的目標檢測算法的進展
  • 心曉發布:連續心率監測的定義
    定義：連續心率監測是長時間連續記錄並分析心臟活動信號，發現心率及心率相關數值的變化趨勢的方法。通過連續心率監測可以對心腦血管疾病發展進行監控和預警，提高對非持續性心血管疾病的檢出率。
  • 最全論文乾貨 | 開題報告、文獻綜述、外文翻譯、抄襲檢測軟體
    文獻綜述是研究者在其提前閱讀過某一主題的文獻後，經過理解、整理、融會貫通，綜合分析和評價而組成的一種不同於研究論文的文體。由於文獻綜述有作者自己的評論分析，因此在撰寫時應分清作者的觀點和文獻的內容，不能篡改文獻的內容。引用文獻不過多。文獻綜述的作者引用間接文獻的現象時有所見。如果綜述作者從他人引用的參考文獻轉引過來，這些文獻在他人引用時是否恰當，有無謬誤，綜述作者是不知道的，所以最好不要間接轉引文獻。（4）參考文獻不能省略。
  • 小米11能檢測心率:準確度堪比智能手錶
    官方表示，小米11還有一項貼心功能——支持心率檢測。官方稱在不加硬體、不增機身厚度的情況下，小米11心率檢測巧妙融入屏下指紋中。而小米11的屏下心率檢測功能實現原理則非常巧妙，它將AMOLED屏幕顯示單元作為光源，將光學指紋傳感器作為接收端，將心率檢測功能融合到了指紋模組裡。不增加硬體，不增加機身厚度。
  • 數據分析 | 基於統計學習的網絡異常行為檢測技術
    傳統基於特徵檢測、邊界防護的安全防範措施在應對APT攻擊時存在不足。為此，介紹了網絡異常行為檢測方法的現狀；分析了基於統計學習的檢測方法的技術路線和體系架構，並以命令控制通道、獲取行為等APT攻擊中的典型環節為例，介紹了相關的參數提取和統計分析建模方法；總結了基於大數據的異常行為檢測的特點，並指出了後續研究方向。
  • 在心率監測中的關鍵是做心率變異性(HRV)分析!
    聽過心律不齊、心律失常，心率變異性又是什麼鬼？是心率變異了嗎？乍一聽還有點可怕呢！各位別著急，讓我們來一探究竟。HRV實質上是反映神經體液因素對竇房結的調節作用，也就是反映自主神經系統的活性及其平衡協調關係。
  • 更有溫度的科技關懷——基於毫米波雷達技術,革新健康監護體驗
    智能穿戴設備是我們常見的健康監護手段，不過可穿戴設備在體驗上仍有不足，例如能檢測心率、但缺少檢測呼吸的功能，需要定期充電，晚上睡覺時佩戴也很不舒服等等。 如果，有這麼一個健康監護方案，它可以無感地監測睡眠質量，還可以提前發現用戶的心率失常、呼吸障礙等潛在疾病，更可以聯動智能家居設備，當用戶入睡、起夜、甦醒時，寢室的燈光、窗簾、音樂等設備也隨之啟動/關閉，你會喜歡嗎？