基于深度学习的非接触面部视频心率信号测量方法研究及系统实现
声明
摘要
英文摘要
目录
1绪论
1．1研究背景和意义
1．2远程光电容积脉搏波描记法
1．2．1rPPG检测心率原理
1．2．2rPPG测量算法流程
1．3国内外研究现状
1．3．1传统rPPG心率信号检测算法
1．3．2深度学习rPPG心率信号检测算法
1．4论文研究内容与结构框架
2相关理论基础介绍
2．1深度学习理论基础
2．1．1神经元和神经网络
2．1．2卷积神经网络
2．2注意力机制
2．2．1自注意力机制
2．2．2多头注意力机制
2．2．3视觉Transformer架构
2．2．4空间注意力机制
2．3多尺度金字塔机制
2．4轻量化网络
2．4．1MobileNet
2．4．2GhostNet
2．4．3评估指标
2．5本章小结
3基于Transformer多尺度特征融合的心率信号测量
3．1整体架构
3．2基于Transformer多尺度特征融合的心率信号测量网络
3．2．1数据预处理
3．2．2分块化处理
3．2．3浅层多尺度特征提取融合模块
3．2．4深层时空差分特征建模阶段
3．3实验设置
3．3．1数据集
3．3．2损失函数
3．3．3评价指标
3．3．4实验环境和平台
3．4实验结果与分析
3．4．1不同架构网络模型对比实验
3．4．2不同网络设计消融实验
3．4．3跨数据集泛化实验
3．5本章小结
4基于可学习门控时移及重参化的轻量化心率信号测量
4．1整体架构
4．2基于可学习门控时移及重参化的轻量化心率信号测量网络
4．2．1可学习门控时移模块
4．2．2重参化深度特征提取姨块
4．2．3基于PConv的空间注意力掩码
4．3实验设置
4．3．1数据集
4．3．2损失函数
4．3．3评价指标
4．3．4实验环境和平台
4．4实验结果与分析
4．4．1不同架构网络模型对比实验
4．4．2不同架构网络运算成本计算
4．4．3不同网络设计消融实验研究
4．4．4超参数实验
4．5本章小结
5基于移动端的面部视频生理信号检测系统实现
5．1系统开发需求分析与框架设计
5．2系统逻辑结构与模块设计
5．3系统开发及运行环境
5．4系统各功能模块实现
5．4．1用户登录及功能选择
5．4．2人脸检测模块
5．4．3实时生理信号检测模块
5．4．4生理信号结果记录模块
5．4．5后台信息管理模块
5．5系统效果验证与测试
5．6本章小结
6总结与展望
6．1论文总结
6．2论文展望
参考文献
致谢
攻读学位期间发表的学术论文
相关知识
轻量化的非接触式多参数生理检测方法及系统2025.pdf专利下载
视觉非接触式生理监测在临床研究中的挑战与展望,npj Digital Medicine
基于视频的生理参数测量技术及研究进展
一种基于深度学习的生理指标检测系统及方法与流程
基于深度学习的医学影像识别与定位方法研究.pptx
360度视频序列全景图拼接系统的设计与实现
基于大数据与深度学习的穿戴式运动心率算法
中国团队实现非接触心脏活动监测
打破传统健康监测手段桎梏——非接触式健康监测
基于深度学习的智能坐姿健康监测
网址: 基于深度学习的非接触面部视频心率信号测量方法研究及系统实现 https://m.trfsz.com/newsview1392466.html
