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！

龙图腾网获悉华南理工大学申请的专利一种面向面部有遮挡场景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：CN116458861B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310160680.2，技术领域涉及：A61B5/024；该发明授权一种面向面部有遮挡场景的非接触式心率检测方法是由吕建明;黄星杰;李博;吴思琦;王亚权设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种面向面部有遮挡场景的非接触式心率检测方法在说明书摘要公布了：本发明公开了一种面向面部有遮挡场景的非接触式心率检测方法，步骤如下：输入训练视频，通过人脸识别截取人脸图片序列；训练基于分块的三维残差神经网络；提取基于相关系数的分块权重；提取分块频域特征聚类中心；输入真实视频，通过人脸识别截取人脸图片序列；通过已训练的基于分块的三维残差神经网络提取分块深度特征；提取基于聚类的分块权重；提取分块检测心率，将基于相关系数的分块权重和基于聚类的分块权重进行加权求和，获取最终检测心率。本发明通过为不同面部区域的心率检测结果赋予不同权重，克服了在面部被部分遮挡的场景下非接触式心率检测方法精度下降等问题。

本发明授权一种面向面部有遮挡场景的非接触式心率检测方法在权利要求书中公布了：1.一种面向面部有遮挡场景的非接触式心率检测方法，其特征在于，所述非接触式心率检测方法包括下列步骤： S1、输入多个训练视频，通过人脸识别截取人脸图片序列； S2、训练基于分块的三维残差神经网络；其中，基于分块的三维残差神经网络结构如下： 一个深度特征提取模块与四个并联的分块信号提取模块连接；其中深度特征提取模块结构如下： 从输入层至输出层依次连接为：三维卷积层Conv3d-1、平均池化层AvgPool-2、三维卷积层Conv3d-3、BN层BatchNorm3d-4、ReLU层ReLU-5、三维卷积层Conv3d-6、BN层BatchNorm3d-7、ReLU层ReLU-8、三维卷积层Conv3d-9、BN层BatchNorm3d-10、ReLU层ReLU-11、三维卷积层Conv3d-12、BN层BatchNorm3d-13、ReLU层ReLU-14、平均池化层AvgPool-15、三维卷积层Conv3d-16、BN层BatchNorm3d-17、ReLU层ReLU-18、三维卷积层Conv3d-19、BN层BatchNorm3d-20、ReLU层ReLU-21、三维卷积层Conv3d-22、BN层BatchNorm3d-23、ReLU层ReLU-24、三维卷积层Conv3d-25、BN层BatchNorm3d-26、ReLU层ReLU-27、平均池化层AvgPool-28、三维卷积层Conv3d-29、BN层BatchNorm3d-30、ReLU层ReLU-31、三维卷积层Conv3d-32、BN层BatchNorm3d-33、ReLU层ReLU-34、三维卷积层Conv3d-35、BN层BatchNorm3d-36、ReLU层ReLU-37、三维卷积层Conv3d-38、BN层BatchNorm3d-39、ReLU层ReLU-40、平均池化层AvgPool-41； 信号提取模块结构如下： 从输入层至输出层依次连接为：自适应平均池化层AdaptiveAvgPool3d-42、三维卷积层Conv3d-43； 所述步骤S2过程如下： 分批次将步骤S1提取人脸图片序列输入到基于分块的三维残差神经网络中，输出为4个分块rPPG信号；将输出的4个分块rPPG信号分别与训练视频通过标准指夹式血氧计收集的PPG信号计算皮尔逊相关系数，然后进行累加作为损失函数Loss，如下列公式所示； 其中，Pearson表示计算两个信号的皮尔逊相关系数，表示基于分块的三维残差神经网络中第i个分块信号提取模块的三维卷积层Conv3d-43输出的分块rPPG信号，表示训练视频通过标准指夹式血氧计收集的PPG信号，训练过程中根据损失函数Loss对基于分块的三维残差神经网络参数进行迭代调整，直到相邻两次迭代的损失函数Loss绝对值之差不超过0.1时结束训练； S3、提取基于相关系数的分块权重； S4、提取分块频域特征聚类中心； S5、输入真实视频，通过人脸识别截取人脸图片序列； S6、通过已训练的基于分块的三维残差神经网络提取分块深度特征； S7、提取基于聚类的分块权重；所述步骤S7过程如下： S701、将4个分块后的深度分块特征图分别输入到已训练的基于分块的三维残差神经网络的4个分块信号提取模块中，输出为4个分块rPPG信号； S702、使用快速傅里叶变换将4个分块rPPG信号变换为4个分块频域信号； S703、计算每个分块频域信号与步骤S4提取的K个聚类中心的欧氏距离，通过如下公式计算提取基于聚类的分块权重： ， 其中，代表第i个分块的基于聚类的分块权重，表示第i个分块频域信号与K个聚类中心中距离最近的中心的欧式距离； S8、提取分块检测心率，将基于相关系数的分块权重和基于聚类的分块权重进行加权求和，获取最终检测心率；所述步骤S8过程如下： S801、对于步骤S7提取的4个分块频域信号，截取其中频率在0.8Hz—3Hz之间的振幅值，选取其中振幅最大的值对应的频率作为分块检测心率，； S802、分别将4个分块的基于相关系数的分块权重和基于聚类的分块权重相乘并进行归一化，得到分块总权重，； S803、将步骤S801提取的4个分块检测心率与步骤S802提取的四个分块总权重进行加权求和，得到最终检测心率HR，计算公式如下： 。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。