[发明专利]基于深度学习的非接触智能人体心率预测方法

权利要求书

1.基于深度学习的非接触智能人体心率预测方法，其特征在于：包括以下步骤：

步骤1，获取人脸视频，利用公共数据集或者使用16帧以上的摄像头进行视频的录制；

步骤2，提取感兴趣区域ROI，采用基于多任务学习的68点人脸特征点检测算法,将人脸的轮廓用68个点标记，得到需要的额头和脸颊区域，标记好人脸后进行ROI的提取，取使用额头与脸颊得到的心率值的平均值；

步骤3，视频片段的划分，假设一次心跳的时间周期为T1～T2秒，每个片段时长t为大于心跳最长周期的2倍，即t大于2T2，将1分钟的视频拆分成N个t秒的片段，每个片段为上一个片段的延后1s，以此类推，每个一分钟的视频将被分成N＝60-t+1个视频片段，使用16帧以上的摄像头进行拍摄，即每秒有16张以上图片，则一个t秒的片段有16t张以上图片，将每一张图片进行ROI的提取，得到脸颊及额头的区域，再将每一区域进行像素平均计算则可以得到16t以上个像素平均值的数据；

步骤4，信号的提取与去噪，对采集得到的三路通道信号(R、G、B)进行归一化，使用绿色通道G的信号进行处理，使用其样本值减去平均值，除以标准差来做归一化，得到处理后的信号；采用带通滤波器消除皮肤表面的反射光中由心跳引起的频率通带之外的部分；

步骤5，深度学习，采用支持向量回归SVR模型进行对心率的估计，程序编写采用Python语言，利用Python中的深度学习库sklearn，所述的支持向量回归SVR模型采用的核函数为多项式核poly。

2.根据权利要求1所述的基于深度学习的非接触智能人体心率预测方法，其特征在于：所述的公共数据集包括MAHNOB-HCI数据集、COHFACE数据集、VIPL数据集。