申请/专利权人：北京科技大学

申请日：2024-02-06

公开（公告）日：2024-04-26

公开（公告）号：CN117694845B

主分类号：A61B5/02

分类号：A61B5/02;A61B5/00;G06F18/10;G06F18/213;G06F18/25;G06V20/40;G06V10/80;G16H10/60;G16H50/70

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明涉及生理信号检测领域，特别是指一种基于融合特征增强的非接触式生理信号检测方法及装置，方法包括：获取待检测脉搏波的视频数据，对视频数据进行预处理，得到预处理后的视频数据；将预处理后的视频数据输入到非接触式生理信号检测模型，得到脉搏波信号；其中，非接触式生理信号检测模型包括：融合主干模块、时差变换器模块以及预测器模块；根据脉搏波信号对心率、心率变异性等生理信号进行计算，得到非接触式生理信号检测结果。本发明通过将差分帧融合到原始帧中，使帧级表示能够感知BVP波变化，有效增强rPPG表示，进而引导变换器的自注意力机制，加强其对rPPG特征的关注。

主权项：1.一种基于融合特征增强的非接触式生理信号检测方法，其特征在于，所述方法包括：S1、获取待检测脉搏波的视频数据，对所述视频数据进行预处理，得到预处理后的视频数据；S2、将所述预处理后的视频数据输入到非接触式生理信号检测模型，得到脉搏波信号；其中，所述非接触式生理信号检测模型包括：融合主干模块、时差变换器模块以及预测器模块；S3、根据所述脉搏波信号对生理信号进行计算，得到非接触式生理信号检测结果；所述S2中的将所述预处理后的视频数据输入到非接触式生理信号检测模型，得到脉搏波信号，包括：S21、将所述预处理后的视频数据输入到所述融合主干模块进行帧差融入，得到融合特征表示；S22、将所述融合特征表示输入到所述时差变换器模块进行特征提取，得到高级特征表示；S23、将所述高级特征表示输入到所述预测器模块进行脉搏波恢复，得到脉搏波信号；所述S21中的融合主干模块包括：第一主干子模块以及第二主干子模块；所述将所述预处理后的视频数据输入到所述融合主干模块进行帧差融入，得到融合特征表示，包括：S211、对所述预处理后的视频数据进行时间移位，得到移位后的视频数据；S212、对所述移位后的视频数据按时间顺序依次两两作差，得到视频帧差；S213、通过所述第一主干子模块分别对所述预处理后的视频数据以及视频帧差进行初级特征提取，得到视频数据的初级特征表示以及视频帧差的初级特征表示；S214、将所述视频数据的初级特征表示以及视频帧差的初级特征表示进行融合，通过所述第二主干子模块分别对所述视频数据的初级特征表示以及融合后的初级特征表示进行强化特征提取，将提取得到的特征相加得到融合特征表示；所述S22中的时差变换器模块包括：块嵌入子模块、时差自注意力子模块以及时空前馈子模块；所述块嵌入子模块，用于从时间维度、高度维度以及宽度维度进行词元Token提取；所述时差自注意力子模块，使用时间差分卷积模块对自注意力机制中的查询Q和键K投影，使用线性投影对自注意力机制中的值V进行投影；所述时空前馈子模块，包括第一卷积层、第二卷积层以及第三卷积层；其中，所述第一卷积层包括：第一三维卷积层与第一时空前馈子模块批归一化层；所述第二卷积层包括：第二三维卷积层、第二时空前馈子模块批归一化层以及指数线性单元ELU激活层；所述第三卷积层包括：第三三维卷积层与第三时空前馈子模块批归一化层；其中，所述第一三维卷积层的卷积核大小为1×1×1；所述第二三维卷积层的卷积核大小为3×3×3；所述第三三维卷积层的卷积核大小为1×1×1。

全文数据：

权利要求：

百度查询： 北京科技大学 基于融合特征增强的非接触式生理信号检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD