[发明专利]一种基于掩码神经网络独立成分分解原理的心率检测方法

说明书

本发明公开了一种基于掩码神经网络独立成分分解原理的心率检测方法，包括以下步骤：S1、输入被检测者的面部特征数据；S2、提取被检测者的面部特征信息；S3、分析被检测者的面部特征信息，筛选出关键面部特征信息，输出关键面部特征的信号；S4、基于掩码神经网络独立成分分解原理分解该信号，输出多个子信号；S5、筛选多个子信号，输出符合要求的心率信号；S6、整合心率信号，建立心率曲线；S7、分析心率曲线，输出心率指标信息。本发明的非接触式心率检测方法，具有检测效率高，减少接触的优点。

技术领域

本发明涉及心率检测领域，特别是涉及一种基于掩码神经网络独立成分分解原理的非接触式心率检测方法。

背景技术

心率是反应人体健康状况的重要体征参数之一，目前，对于心率的检测，大多是采用心率监测仪进行接触性检测，此种方式，需要进行心率监测仪的穿戴，较为复杂，尤其是在疫情期间，繁琐的穿戴过程以及过多的暴露接触，会影响患者的治疗过程，以及增大医护人员被感染的风险。

发明内容

针对上述问题，本发明提供了一种基于变分自编码独立成分分解原理的非接触式心率检测方法，具有检测效率高，减少接触的优点。

本发明的技术方案是：

一种基于掩码神经网络独立成分分解原理的心率检测方法，包括以下步骤：

S1、输入被检测者的面部特征数据；

S2、提取被检测者的面部特征信息；

S3、分析被检测者的面部特征信息，筛选出关键面部特征信息，计算其像素均值，输出关键面部特征的信号；

S4、基于掩码神经网络独立成分分解原理分解该信号，输出多个子信号；

S5、筛选多个子信号，输出符合要求的心率信号；

S6、整合心率信号，建立心率曲线；

S7、分析心率曲线，输出心率指标信息。

在进一步的技术方案中，步骤S4中，分解信号信息的方法如下：

S41、输入时域信号F(0)(F(0)是原始时域信号，由多个子信号混合在一起的，其中包含有用的信号和无用的信号)，作快速傅里叶变换(FFT)，转化为频域信号；

S42、将频域信号输入掩码神经网络网络，获取频率掩码(Mask)，将掩码与频域信号相乘，输出滤波后的频域信号；

S43、输入滤波后的频域信号，作快速傅里叶逆变换(IFFT)，还原成时域信号，获得子信号f(1)；

S44、输出时域信号F(0)与子信号f(1)的差值，获得新信号F(1)；

S45、输入新信号F(1)，重复步骤S41-S44，输出多个子信号。

在进一步的技术方案中，步骤S44中，计算时域信号F(0)与子信号f(1)的差值时，代入信号损失，该信号损失的计算公式如下：其中，F(0)为原始信号，f(i)为第i个子信号。

本发明的有益效果是：

1、本发明通过采集被检测者的面部特征信息，将生成的信号采用变分自编码独立成分分解原理分解成多个子信号，剔除子信号中不符合要求的心率信号，将符合要求的心率信号整合，可得到表征更加准确的心率曲线，从该心率曲线上可得到详细、准确的心率指标，检测准确性更高。

2、本发明提供的是一种非接触式的心率检测方法，减少了繁琐的穿戴过程以及过多的暴露接触，使得对患者的检测过程更加高效，同时降低了医护人员被感染的风险。

附图说明

图1是本发明实施例所述信号分解的原理图；