公开(公告)号：CN112381011B

公开(公告)日：2023-08-22

申请号：CN202011295074.4

申请日：2020-11-18

Applicant: 中国科学院自动化研究所

Inventor： 李学恩 ,  孙闻 ,  张振山 ,  王红星

IPC: G06V40/16 ,  G06V20/40 ,  G06V10/774 ,  G06V10/30 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明属于计算机视觉、深度学习和医学技术领域，具体涉及了一种基于人脸图像的非接触式心率测量方法、系统及装置，旨在解决现有基于图像的非接触式心率测量方法受ROI区域选取以及环境等因素影响较大，心率求取误差率大、实时性低的问题。本发明包括：通过人脸关键点检测和定位，从人脸视频中获取人脸位置，逐帧提取人脸局部ROI区域作为网络模型输入；在卷积与时序网络级联模型的基础上，将心率区间划分为不同的区间类别，将通道注意力网络SENet嵌入卷积模块，按通道重要程度学习权重，最后获取输入视频对应的心率区间类别。本发明结合CNN特征提取以及LSTM长短时记忆神经网络，并嵌入通道注意力网络，实现误差率低、效率高的心率非接触式测量。

公开(公告)号：CN112381011A

公开(公告)日：2021-02-19

申请号：CN202011295074.4

申请日：2020-11-18

Applicant: 中国科学院自动化研究所

Inventor： 李学恩 ,  孙闻 ,  张振山 ,  王红星

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉、深度学习和医学技术领域，具体涉及了一种基于人脸图像的非接触式心率测量方法、系统及装置，旨在解决现有基于图像的非接触式心率测量方法受ROI区域选取以及环境等因素影响较大，心率求取误差率大、实时性低的问题。本发明包括：通过人脸关键点检测和定位，从人脸视频中获取人脸位置，逐帧提取人脸局部ROI区域作为网络模型输入；在卷积与时序网络级联模型的基础上，将心率区间划分为不同的区间类别，将通道注意力网络SENet嵌入卷积模块，按通道重要程度学习权重，最后获取输入视频对应的心率区间类别。本发明结合CNN特征提取以及LSTM长短时记忆神经网络，并嵌入通道注意力网络，实现误差率低、效率高的心率非接触式测量。