论文部分内容阅读
人体疲劳检测一方面可以降低由于疲劳驾驶引起的安全隐患,另一方面可以及时发现人体在疲劳时的亚健康状态。因此,人体疲劳的无接触、方便快捷的检测在安全驾驶和医疗健康等领域有着深远的意义和重要的研究价值。本论文对视频提取心率、心率变异率,视频检测人体疲劳的相关理论与技术进行了总结和研究,分析了光电容积脉搏波(PPG)信号的原理,重点探讨了视频提取心率信号的几种盲源分离方法,对比分析了各种方法的心率提取结果。提出了基于脸部肤色光电容积脉搏波的人体疲劳检测方法。本文研究的主要内容如下:(1)提取肤色PPG信号的ICA方法原理及仿真实验。对联合近似特征对角化(JADE)、对角累积量和Robust ICA算法原理进行了深入分析比较,并对三种算法设计了仿真算法实验,结果表明这三种算法均能很好的实现混合信号的盲源分离,且在分离性能上表现出不同的优势,为本文的后续研究做了充分准备。(2)基于肤色PPG信号的心率提取。研究使用对角累积量算法、Robust ICA从视频中分离PPG信号。对比实验表明,基于对角累积量分离算法所得心率值与真实心率值差的绝对值变量的统计特征参数较JADE算法均有所降低,表明该算法具有更高的估计精度。基于Robust ICA算法所得心率的运行时间均控制在0.2s以内,表明使用Robust ICA算法从彩色视频中提取心率具有更低的时间复杂度。本文还对彩色视频提取PPG信号模型进行改进,在人脸检测的基础上加入肤色像素检测,实验结果表明加入皮肤像素检测可以提高心率提取结果的准确性。同时为了解决ICA提取结果的无序性,提出了一种基于相关性的筛选PPG信号分量的方法,可以排除信噪比比较低的PPG信号分量,达到简化数据,提高结果精度和运算速度的目的。(3)肤色PPG信号的人体疲劳状况检测。将使用对角累积量算法提取出的肤色PPG信号通过信号滤波、信号插值、峰值检测、功率谱估计等信号处理技术实现了心率变异率的提取,改变了心率变异率的分析以往只能在实验室使用复杂设备分析的情况,设计了基于心率、心率变异率变化趋势的人体疲劳检测实验,实验结果表明根据心率、心率变异率的变化趋势,可以实现人体疲劳的检测。