-
公开(公告)号：CN119184667A
公开(公告)日：2024-12-27
申请号：CN202411257478.2
申请日：2024-09-09
Applicant: 合肥工业大学
IPC: A61B5/08 , G06F18/10 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于面部热成像的非接触式呼吸率检测方法、系统、存储介质和电子设备，涉及非接触式呼吸率检测领域。本发明利用热红外视频，结合深度学习技术从热红外光谱中准确和稳定地提取高质量呼吸信号。同时，通过设计基于注意力机制的自适应呼吸信号降噪网络对初始呼吸波信号进行自适应自动降噪处理，能够深入分析呼吸信号中的局部细节与全局特征，自动区分并有效抑制噪声，保留关键生理信息，显著提高呼吸信号的质量和呼吸率估计的精度。通过深度学习模型的训练，该方法能够适应不同人群和环境下的多样化呼吸特征，增强了在多种实际应用场景中的泛化能力，确保呼吸率检测的稳定性和高准确度。
-
公开(公告)号：CN119166963A
公开(公告)日：2024-12-20
申请号：CN202411202206.2
申请日：2024-08-29
Applicant: 合肥工业大学
Abstract: 本发明提供一种基于双通道输入的非接触式心率计算方法、系统、存储介质和电子设备，涉及非接触式心率计算领域。本发明将面部可见光视频和面部差分图像序列分别作为基于双流输入的非接触式心率提取模型的输入，利用Transformer模型强大的自注意力机制，捕捉视频与视频差分间各个位置之间的关联关系，获取rPPG信号，通过快速傅里叶变换，获取被测试者的心率值。通过设计双流输入更好的聚合运动相关的细粒度信息，利用自注意力机制融合全局时空信息，从而提高算法对于运动的鲁棒性。此外，在模型训练过程中设计了一种梯度动态调节策略。会根据每一个mini batch中的数据动态调整梯度方向，有效解决了训练过程中优化方向不稳定的问题，有效增强了模型的泛化性能。
-
公开(公告)号：CN118986313A
公开(公告)日：2024-11-22
申请号：CN202411474697.6
申请日：2024-10-22
Applicant: 合肥工业大学
IPC: A61B5/024 , A61B5/00 , G06V20/40 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/82 , G06V40/16
Abstract: 本发明提供一种基于联合注意力的非接触式心率变异性检测方法及系统，涉及非接触式心率变异性检测领域。本发明基于时间‑通道‑空间联合注意力机制的监测网络，所述监测网络包括时间通道联合注意力层、时间空间联合注意力层、通道洗牌层以及U‑Net网络。基于前述监测网络，以提取高质量、高信噪比的rPPG信号，减少非接触式心率变异性提取误差，进而降低心率变异性的测量误差。此外，本发明还考虑了长时rPPG信号，以提取非接触式心率变异性特征，增强了监测的准确性和稳定性。本发明构建了同时考虑信号整体趋势及全局与局部特征的损失函数，重视rPPG信号中波峰恢复位置及波峰间隔，有效提升了信噪比并减少了心率变异性的误差。
-
公开(公告)号：CN118873091A
公开(公告)日：2024-11-01
申请号：CN202410914294.2
申请日：2024-07-09
Applicant: 合肥工业大学
Abstract: 本发明提供一种非接触式认知表现预测方法、系统、存储介质和电子设备，涉及认知表现预测领域。本发明中，将面部可见光视频切分为若干个时长相同的视频片段，以提取非接触式生理和头面部行为特征指标数据；基于相关性分析分别对两类提取结果进行降维，按照不同的认知表现评价指标，对应选择相关性排序靠前的非接触式生理头面部行为特征指标数据，并作为对应的机器学习模型输入，分别预测用户的低水平或高水平认知表现。利用多模态特征之间的互补性，并从认知灵活性、抑制控制和工作记忆三个维度，以及准确性和反应时间两个角度，设计全面的认知表现评价指标，增强了机器学习模型分类评估认知表现的客观性与准确性。
-
公开(公告)号：CN113326780A
公开(公告)日：2021-08-31
申请号：CN202110604875.2
申请日：2021-05-31
Applicant: 合肥工业大学
Abstract: 本发明提供了一种基于数据可靠性评价的非接触式负性心境检测方法和装置，涉及负性心境检测技术领域。本发明实施例根据可见光图像和热红外图像数据的质量评价方法，设计了多模态数据可靠性评估机制，计算双模态数据的动态可靠性、静态可靠性以及每个模态数据的总体可靠性，同时还构建了多模态数据融合网络提取双模态数据特征，并在特征融合层基于数据可靠性进行双模态数据特征融合，用于端到端的检测负性心境状态。相比于传统的特征拼接方式，基于数据可靠性评价的特征融合方式能够有效区分不同模态数据对于负性心境检测的重要性，增强模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117357093A
公开(公告)日：2024-01-09
申请号：CN202311281289.4
申请日：2023-09-28
Applicant: 合肥工业大学
Abstract: 本发明提供一种基于双光谱面部视频的非接触式呼吸率监测方法及系统，涉及呼吸率监测领域。该方法包括：同时获取热红外视频和可见光视频；提取第一热红外图像；提取第一热红外图像对应的呼吸信号，作为第一呼吸信号；并选取第一可见光图像帧；利用仿射变换的方法将第一可见光图像帧中被测用户的鼻子感兴趣区域映射至第一热红外图像帧，并在第一热红外图像帧中提取映射区域的图像，作为第二热红外图像；提取第二热红外图像对应的呼吸信号，作为第二呼吸信号；将第一呼吸信号和第二呼吸信号进行信号融合，将信号融合后的信号作为第三呼吸信号；得到呼吸信号曲线；基于呼吸信号曲线，获取被测用户的呼吸频率。基于此，有效提升呼吸率监测的精确度。
-
公开(公告)号：CN117056786A
公开(公告)日：2023-11-14
申请号：CN202311256891.2
申请日：2023-09-26
Applicant: 合肥工业大学
IPC: G06F18/24 , A61B5/16 , A61B5/00 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种非接触式应激状态识别方法与系统，涉及应激状态识别领域。该方法包括：基于预设的特征网络对第一待处理数据进行空间维度和时间维度的卷积处理，得到第二待处理数据；基于交叉注意力权重向量W′分别对第二待处理数据进行加权融合，得到加权融合后的特征描述符Y′；对所述特征描述符Y′进行降维处理，并基于预设的多分类激活函数softmax对降维处理后的特征描述符和HRV信号进行应激状态识别，得到对应的应激状态等级。由此，不仅克服了传统穿戴式设备的不便利性，并将多维面部数据进行特征融合，卷积过程中有选择地关键特征，区分地提取各个维度上的特征，且进行四个维度的特征融合，提升应激状态等级评估的精确度。
-
公开(公告)号：CN114652287A
公开(公告)日：2022-06-24
申请号：CN202210105364.0
申请日：2022-01-26
Applicant: 合肥工业大学
Abstract: 本发明提供了一种非接触式血压监测系统、可读存储介质和电子设备，涉及非接触式血压监测技术领域。本发明对采集的数据进行空间滤波和时域滤波，有效提取隐藏在面部和手掌视频中的色彩信息，构建了每一列代表一个固定区域的像素值随时间的变化，每一行代表一个不同时间的完整RIS序列的特征表示块，并配合本发明设计的注意力机制，实现PPG信号增强；同时令网络关注通道之间的关系、时序信息和空间重要度分布，使网络更有效地学习到血压相关特征，克服已有研究的不足，相比于其他深度学习模型更精确。
-
公开(公告)号：CN119226897A
公开(公告)日：2024-12-31
申请号：CN202411757938.8
申请日：2024-12-03
Applicant: 合肥工业大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06N20/00
Abstract: 本申请提供一种面向人机系统的认知负荷评估方法、系统、设备和介质，涉及人机系统领域；该方法包括：对第一目标群体进行认知能力测试，以将第一目标群体划分为高认知能力组和低认知能力组，并构建第一分类器和第二分类器；采集第一多模态数据并进行预处理和特征提取，将得到的关键特征融合成目标特征向量；基于目标特征向量，引入平衡因子分别训练第一分类器和第二分类器，得到第一目标评估模型和第二目标评估模型；并进行融合得到综合评估模型。本申请具有跨参与者和跨任务的特性，提升了评估的适用范围和实用性，同时增强了模型的通用性和易用性；实现了多特征融合的人机系统认知负荷评估，为用户提供了一个全面、精确且易于操作的评估工具。
-
公开(公告)号：CN118743551A
公开(公告)日：2024-10-08
申请号：CN202410918045.0
申请日：2024-07-10
Applicant: 合肥工业大学
Abstract: 本发明提供一种基于视觉感知的非接触式心理压力检测方法、系统、存储介质和电子设备，涉及非接触式心理压力检测领域。本发明中，通过结合rPPG数据、眼睛注视角度梯度数据和头部运动姿态梯度数据，实现了生理与行为数据的融合分析，能够提供更全面、更准确的个体状态信息，从而提高压力检测的准确性和可靠性。此外，结合两阶段学习策略构建VSDNet模型，在第一阶段通过判断输入样本对的相似与否来训练模型获取通用压力特征的能力，在第二阶段通过微调第一阶段的预训练结果和扩展模型推理层，以提高模型获取高层次压力特征的能力；相较于单阶段检测，能够有效提高心理压力检测模型的分类性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.03 seconds)
