买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种基于头部微弱振动的非接触式心率检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116453009B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310229849.5，技术领域涉及：G06V20/40；该发明授权一种基于头部微弱振动的非接触式心率检测方法是由成娟;岳必成;宋仁成;刘羽;李畅;陈勋设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本一种基于头部微弱振动的非接触式心率检测方法在说明书摘要公布了：本发明公开了一种基于头部微弱振动的非接触式心率检测方法，包括：1提取感兴趣区域特征点运动轨迹，包括：面部检测，感兴趣区域的选取，追踪感兴趣区域特征点获取运动轨迹；2将特征点的运动轨迹重构为前后方向的运动轨迹，包括：计算相邻特征点的间距，将间距的时间序列作为前后方向的运动轨迹，去除不稳定的特征点；3运动检测以及运动噪声去除，包括：信号预处理，运动检测，运动噪声去除，信号降维；4心率估算，包括：融合信号，并进行频谱分析得到心率值。本发明从视频中追踪心跳引起的头部微弱振动，将追踪轨迹重构，并进行运动噪声去除，从而提高通过头部微弱振动检测心率的准确性，为非接触式心率检测提供了新的解决方法。

本发明授权一种基于头部微弱振动的非接触式心率检测方法在权利要求书中公布了：1.一种基于头部微弱振动的非接触式心率检测方法，其特征在于，包括以下步骤： 步骤一：从受试者的T帧视频图像中提取面部感兴趣区域的特征点运动轨迹； 步骤1.1、感兴趣区域的定位； 利用人脸检测算法得到第1帧视频图像中包含头部的人脸矩形区域，根据人脸的比例关系，从人脸矩形区域中选取K个区域作为感兴趣区域； 步骤1.2、特征点检测和追踪； 利用特征点检测方法确定第1帧视频图像中第k个感兴趣区域的N[k]个特征点；采用特征点追踪方法对第k个感兴趣区域的N[k]个特征点在T帧视频图像上进行追踪，从而获得第k个感兴趣区域在T帧视频图像的N[k]个特征点的水平方向运动轨迹X[k]＝[x[k]1，x[k]2，...，x[k]t，...，x[k]T]和垂直方向运动轨迹Y[k]＝[y[k]1，y[k]2，...，y[k]t，...，y[k]T]，其中，x[k]t和y[k]t分别表示第k个感兴趣区域在第t帧视频图像上的N[k]个特征点的水平坐标和垂直坐标，且表示第k个感兴趣区域在第t帧视频图像上的第n个特征点的水平坐标，表示第k个感兴趣区域在第t帧视频图像上的第n个特征点的垂直坐标； 步骤二、将垂直方向和水平方向的运动轨迹重构为前后方向的运动轨迹，并去除不稳定的特征点； 步骤2.1、利用欧式距离计算第k个感兴趣区域在第t帧视频图像上的第n个特征点与其他第j个特征点的间距dn，j[k]t，从而得到第n个特征点与其他所有特征点间距的时间序列，并作为第k个感兴趣区域在第t帧视频图像上第n个特征点的前后方向轨迹； 在第k个感兴趣区域在第1帧视频图像上选取距离第n个特征点最近的P个特征点，并计算第k个感兴趣区域在第t帧视频图像上第n个特征点分别与最近的P个特征点的间距的平均值从而得到第k个感兴趣区域在第t帧视频图像上的第n个特征点与最近的P个特征点间距的平均时间序列，并作为第t帧视频图像上N[k]个特征点前后方向的运动轨迹z[k]t；进而得到T帧视频图像上第k个感兴趣区域的N[k]个特征点的前后方向运动轨迹Z[k]＝[z[k]1，z[k]2，...，z[k]t，...，z[k]T]； 步骤2.2、去除每个感兴趣区域内不稳定的特征点； 步骤2.2.1、计算T帧视频图像上第k个感兴趣区域的所有特征点的前后方向轨迹的标准差和平均值的比值其中，表示T帧视频图像上第k个感兴趣区域的比值，stdzn[k]表示第k个感兴趣区域的第n个特征点在T帧视频图像上的标准差，meanzn[k]表示第k个感兴趣区域的第n个特征点在T帧视频图像上的平均值；zn[k]表示第k个感兴趣区域的第n个特征点在T帧视频图像上的前后方向运动轨迹； 步骤2.2.2、使用统计直方图将r[k]中的元素划分到H个区间；并统计各个区间中元素数量后，对元素数量进行降序排序后再累加，直到元素数量累加值大于N[k]的ρ％时，停止累加，从而将参与累加的所有区间的中点取平均值后作为第k个感兴趣区域的参考值其中，ρ表示阈值； 步骤2.2.3、定义的两个偏差界限，包括：下限和上限去除r[k]中数值超出的特征点，从而得到第k个感兴趣区域内稳定的特征点；其中，σmin表示向下偏离参考值的范围，σmax表示向上偏离参考值的范围； 步骤三、运动噪声检测以及运动噪声去除； 步骤3.1、信号预处理： 设定去趋势参数为λ，并对第k个感兴趣区域的前后方向轨迹Z[k]，水平方向轨迹X[k]进行去趋势处理，再采用巴特沃斯滤波器对去趋势后的轨迹信号进行滤波处理，得到预处理后的前后方向信号Z′[k]和水平方向信号x′[k]； 步骤3.2、运动检测： 计算第k个感兴趣区域所有特征点的垂直运动轨迹Y[k]的标准差的平均值δ[k]，并与预先设定的阈值μ进行比较，若δ[k]＞μ，则判定第k个感兴趣区域包含运动噪声，并执行步骤3.3；否则，表示第k个感兴趣区域不包含运动噪声，将预处理后的前后方向信号Z′[k]作为第k个感兴趣区域内纯净信号集A[k]，并执行步骤3.4； 步骤3.3、运动噪声去除： 采用归一化最小均方差的自适应滤波器对第k个感兴趣区域内预处理后的前后方向信号Z′[k]逐个进行滤波，得到第k个感兴趣区域内纯净信号集A[k]； 步骤3.4、应用主成分分析第k个感兴趣区域内纯净信号集A[k]进行处理，得到主成分分量的特征值后进行降序排列，并保留前J个主成分，作为包含心率信息的第k个感兴趣区域的信号集B[k]；从而得到K个感兴趣区域的信号集B＝{B[1]，...，B[k]，...，B[K]}； 步骤四、融合K个感兴趣区域的信号，获得目标典型变量，计算心率值； 步骤4.1、应用多变量典型相关分析对B进行处理，得到按照相关系数降序排列后的K组典型相关变量集其中，表示第k个组的典型相关变量集，表示第k个组的典型相关变量集中第j个典型相关变量； 步骤4.2、对K×J个典型相关变量进行频谱分析，并选择具有最高归一化功率峰值的典型相关变量作为目标信号，以所述目标信号的峰值频率f作为最终的心率频率，从而得到心率的估计值为f×time，其中，time表示单位时间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。