[发明专利]一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法

权利要求书

1.一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法，其特征在于，具体步骤如下：

获取含有人脸视频、生理信号标签的数据集，并进行预处理；

构建融合ConvLSTM和CBAM注意力机制的网络模型；

利用训练完成的网络模型进行非接触式心率rPPG信号的预测；

使用巴特沃斯带通滤波器对上述预测结果进行滤波；

计算滤波后rPPG信号功率谱密度，完成rPPG的测量。

2.如权利要求1所述的一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法，其特征在于，所述预处理的步骤如下：

1.1、使用人脸关键点检测模型对数据集中的人脸视频进行逐帧检测，并裁剪出其中的ROI区域图像，从而得到ROI图像序列X＝{x₀,x₁,…,x_t,…,X_T-1}，x_t代表人脸视频第t帧对应的ROI区域图像，T代表人脸视频的总帧数；

1.2、以人脸视频帧率为采样率，对生理信号标签进行重采样，得到生理信号标签序列P＝{p₀,p₁,…,p_t,…,p_T-1}；

1.3、采用滑动窗口，对ROI图像序列和生理信号标签序列进行分段。

3.如权利要求1所述的一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法，其特征在于，融合ConvLSTM和CBAM注意力机制的网络模型依次包括：第一卷积层、第一ConvLSTM层、级联的N个融合CBAM注意力机制的卷积块、第二ConvLSTM层，全连接层和Dropout层；其中融合CBAM注意力机制的卷积块依次包括第二卷积层、第一BN层、第一激活函数层、第三卷积层、第二BN层、第二激活函数层、CBAM层。

4.如权利要求3所述的一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法，其特征在于，第一卷积层包括卷积核大小为[7,7]的二维卷积层以及Maxpool层。

5.如权利要求3所述的一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法，其特征在于，选择负皮尔森相关系数作为网络模型的损失函数：

其中，T代表人脸视频的总帧数，x_t代表第t帧rPPG信号的预测结果，y代表x_t对应的生理信号标签。

6.如权利要求3所述的一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法，其特征在于，滤波后rPPG信号功率谱密度的计算公式为：

其中，f(x_n；θ)表示网络模型的输出，x_n代表输入网络模型的第n帧图片，θ代表网络模型的所有参数，表示生理信号标签的频率，f_s代表人脸视频帧率。

7.一种融合ConvLSTM和CBAM注意力机制的非接触式心率测量装置，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一所述的融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一所述的融合ConvLSTM和CBAM注意力机制的非接触式心率测量方法的步骤。