CN111743524A - 一种信息处理方法、终端和计算机可读存储介质 - Google Patents

一种信息处理方法、终端和计算机可读存储介质 Download PDF

Info

Publication number
CN111743524A
CN111743524A CN202010568303.9A CN202010568303A CN111743524A CN 111743524 A CN111743524 A CN 111743524A CN 202010568303 A CN202010568303 A CN 202010568303A CN 111743524 A CN111743524 A CN 111743524A
Authority
CN
China
Prior art keywords
signal curve
identification
target
curve
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010568303.9A
Other languages
English (en)
Inventor
陈旭杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN202010568303.9A priority Critical patent/CN111743524A/zh
Publication of CN111743524A publication Critical patent/CN111743524A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种信息处理方法，所述方法包括：基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；对所述标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于所述标识区域的标识信号确定标识信号曲线；对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，所述目标信号曲线表征所述待检测对象的心率；基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值。本发明实施例同时还公开了一种终端和计算机可读存储介质。

Description

一种信息处理方法、终端和计算机可读存储介质
技术领域
本发明涉及数字图像处理技术领域，尤其涉及一种信息处理方法、终端和计算机可读存储介质。
背景技术
心率是人体最为重要的生理信息之一，可以反映出许多重要的人体生理体征，例如健康状况等；相关技术中，非接触式人体心率测量随着视觉技术的发展已成为现实，同时基于人脸视频的非接触式人体心率测量已被广泛关注；而相关技术中在基于人脸视频的非接触式心率测量过程中易出现运动伪影，这样容易导致用户在使用基于人脸视频的非接触式心率测量时存在精确度不高的问题。
发明内容
为解决上述技术问题，本发明实施例期望提供一种信息处理方法、终端和计算机可读存储介质，有效地避免了相关技术中基于人脸视频的非接触式心率测量过程中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
为达到上述目的，本发明的技术方案是这样实现的：
一种信息处理方法，所述方法包括：
基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；
对所述标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于所述标识区域的标识信号确定标识信号曲线；
对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，所述目标信号曲线表征所述待检测对象的心率；
基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值。
可选地，所述基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域，包括：
获取包含待检测对象脸部信息的多帧目标图像；
对所述多帧目标图像进行图像预处理，得到所述每一帧图像对应的关键点信息；
基于所述每一帧图像对应的关键点信息，确定所述每一帧图像对应的感兴趣人脸的标识区域；其中，所述标识区域至少包括表征左右脸颊的第一标识区域和表征鼻梁的第二标识区域。
可选地，所述获取包含待检测对象脸部信息的多帧目标图像，包括：
获取包含所述待检测对象脸部信息的视频；
按照预设步长通过滑动视频窗口的方式，从所述视频中获取预定时长的多个目标视频；
获取所述每一目标视频对应的所述多帧目标图像。
可选地，所述基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值，包括：
基于信号变换和预设阈值对所述目标信号曲线进行处理，得到每一目标视频对应的参考心率值；
采用平均离差算法对多个所述参考心率值进行处理，得到所述待检测对象的心率值。
可选地，所述对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线，包括：
对所述标识信号曲线进行线性选择，得到基础信号曲线；
对所述基础信号曲线进行盲源分离，得到所述目标信号曲线。
可选地，所述对所述标识信号曲线进行线性选择，得到基础信号曲线，包括：
对所述标识信号曲线进行分段处理得到多个第一信号曲线；
对所述多个第一信号曲线进行方差选择得到多个第二信号曲线，并基于所述多个第二信号曲线生成第一目标信号曲线；
基于样条拟合去除所述第一目标信号曲线中的非线性部分，得到所述基础信号曲线。
可选地，所述对所述基础信号曲线进行所述盲源分离，得到所述目标信号曲线，包括：
对所述基础信号曲线进行滤波处理，得到基准信号曲线；
采用独立成分分析法对所述基准信号曲线进行迭代处理，得到所述目标信号曲线。
可选地，所述基于信号变换和预设阈值对所述目标信号曲线进行处理，包括：
对所述目标信号曲线进行傅里叶变换，得到目标信号频域功率值；
基于预设阈值对所述目标信号频域功率值进行处理。
一种终端，所述终端包括：处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和所述存储器之间的通信连接；
所述处理器用于执行所述存储器中存储的信息处理方法的程序，以实现以下步骤：
基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；
对所述标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于所述标识区域的标识信号确定标识信号曲线；
对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，所述目标信号曲线表征所述待检测对象的心率；
基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值。
一种计算机可读存储介质，该计算机可读存储介质有一个或者多个程序，所述一个或者多个程序可被一个或多个处理器执行，以实现上述的信息处理方法的步骤。
本发明实施例所提供的信息处理方法、终端和计算机可读存储介质，基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；对所述标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于所述标识区域的标识信号确定标识信号曲线；对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，所述目标信号曲线表征所述待检测对象的心率；基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值，如此，通过对感兴趣的人脸标识区域的至少两个原色通道进行空间像素平均得到标识信号，以及基于多个标识信号确定标识信号曲线，并对标识信号曲线进行线性选择和盲源分离得到表征待检测对象的心率的目标信号曲线，有效地避免了相关技术中基于人脸视频的非接触式心率测量中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
附图说明
图1为本发明实施例提供的一种信息处理方法的流程示意图；
图2为本发明实施例提供的另一种信息处理方法的流程示意图；
图3为本发明实施例提供的一种人体脸部区域的划分示意图；
图4为本发明实施例提供的又一种信息处理方法的流程示意图；
图5为本发明实施例提供的又一种信息处理方法的流程示意图；
图6为本发明实施例提供的一种人体心率测量方法的示意图；
图7为本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
应理解，说明书通篇中提到的“本发明实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“本发明实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在未做特殊说明的情况下，终端执行本发明实施例中的任一步骤，可以是终端的处理器执行该步骤。还值得注意的是，本发明实施例并不限定终端执行下述步骤的先后顺序。以及本发明实施例中不同步骤中对数据进行分析所采用的分析方法可以是相同的方法或者是不同的方法。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种信息处理方法，应用于终端，如图1所示，该方法包括以下步骤：
步骤101、基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域。
在本发明实施例中，终端基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域，其中终端可以是服务器、数字电视或者台式计算机等。在一种可行的实现方式中，终端也可以是移动终端或手持移动终端，移动终端或手持移动终端可以包括手机、笔记本电脑、平板电脑、掌上电脑、个人数字助理、便携式媒体播放器、智能音箱、导航装置、可穿戴设备、智能手环、车载电脑等。本发明对终端的类型不作限定。
在本发明实施例中，包含待检测对象脸部信息的帧图像可以是终端基于终端自身的采集装置来获取包含待检测对象脸部信息的帧图像，采集装置具体可以是终端的摄像模块，其中，摄像模块获取相应的帧图像信息可以将摄像头帧率设置为每秒10帧的来获取、每秒30帧的来获取，本申请对摄像头帧率设置不作任何限定；也可以是终端通过截屏操作来获取包含待检测对象脸部信息的帧图像。同时在本发明实施例中，待检测对象可以是一个对象，也可以是两个对象，更可以是两个以上的具有脸部信息的对象。
其中，包含待检测对象脸部信息的帧图像表征一幅包含有人脸信息的静止画面，帧表征影像动画中最小单位的单幅影像画面。在本发明实施例中，待检测对象脸部信息至少包括待检测对象脸部的特征点，即该特征点可以具体表达出待检测对象的脸部轮廓以及五官信息，其中，至少包括待检测对象的左右眼、嘴角、鼻翼等的特征信息。
在本发明实施例中，使用感兴趣区域(Region Of Interest，ROI)来表征帧图像对应的感兴趣人脸的标识区域，ROI可以具体指代人脸中具有标志性的几个区域，例如可以是脸颊区域、鼻翼区域，眼部区域等，以下实施例中，均使用ROI代替标识区域为例进行详细说明。
在本发明实施例中，终端可以将包含待检测对象脸部信息的帧图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，即ROI可以是方框、圆、椭圆、不规则多边形等形式出现，在一种实施方式中，具体可以是终端通过将包含待检测对象脸部信息的帧图像中的脸部信息进行相应的处理，得到多个不限规则的区域。在本发明实施例中，对于确定出来的ROI的具体表现方式不作任何限定。
在一种可行的实施方式中，终端可以通过各种方式对包含待检测对象脸部信息的帧图像进行处理来获取ROI，即可以是终端通过各种方式对包含待检测对象脸部信息的每一帧图像进行相应的处理，来获取每一帧图像对应的ROI。
步骤102、对标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于标识区域的标识信号确定标识信号曲线。
在本发明实施例中，对标识区域的至少两个原色通道进行空间像素平均，具体可以是终端对多帧图像对应的多个ROI的至少两个原色通道进行空间像素平均，且至少两个原色表征的是光学三原色即红绿蓝(Red Green Blue，RGB)中的至少两种。在一种可行的实施方式中，终端可以是对ROI的RG两个通道进行空间像素平均，也可以是对ROI的RB两个通道进行空间像素平均，也可以是对ROI的GB两个通道进行空间像素平均，更可以是对ROI的RGB三个通道进行空间像素平均，基于此得到相应的ROI的标识信号，其中，标识信号可以使用与上述提到的三原色对应的RGB值来替代；换而言之，得到多个ROI对应的RGB值，即上文提到多帧图像各自对应的RGB值，在以下实施例中，均以对ROI的三个原色通道都进行空间像素平均，来得到三个信号值即RGB值为例进行详细说明。
在本发明实施例中，终端对每帧图像对应的ROI进行相同的操作即分别进行三原色通道的空间像素平均，得到每帧图像各自对应的三个原色的RGB值，基于此，将多帧图像对应的RGB值进行整合处理进生成标识信号曲线，即生成的标识信号曲线包括三种曲线，即R值对应的曲线Sr、G值对应的曲线Sg、B值对应的曲线Sb。
步骤103、对标识信号曲线进行线性选择和盲源分离，得到目标信号曲线。
其中，目标信号曲线表征待检测对象的心率。
在本发明实施例中，对获取的RGB值对应的信号曲线即曲线Sr、曲线Sg、曲线Sb进行线性选择和盲源分离，得到目标信号曲线。
在一种可行的实施方式中，具体可以是对曲线Sr、曲线Sg、曲线Sb进行相同操作，即三个信号曲线同步进行线性选择即方差选择、曲线连接和去除非线性和线性趋势的操作，进行线性选择之后再进行盲源分离操作，得到标识信号曲线Sr、曲线Sg、曲线Sb对应的目标信号曲线Srr、曲线Sgg、曲线Sbb。其中，目标信号曲线Srr、曲线Sgg、曲线Sbb中包含对心率变化显著的信号。
步骤104、基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值。
在本发明实施例中，终端对得到的目标信号曲线Srr、曲线Sgg、曲线Sbb进行傅里叶变化得到具有心率信号成分的频域功率谱，再基于预设阈值对该获取的频域功率谱进行筛选，得到待检测对象的心率值。在实际应用过程中，人体心率频率的一般范围为0.75～2.5Hz，且含有心率信号的信号成分会在实际心率的频率位置有一个对应的显著单峰，信号成分频谱中的其他信号频率峰值远低于心率频率位置的峰值，基于此，设置一信任度值，即预设阈值对得到的具有心率信号成分的频域功率谱进行选择，得到最终待检测对象的心率值。
本发明实施例所提供的信息处理方法，基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；对标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于标识区域的标识信号确定标识信号曲线；对标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，目标信号曲线表征待检测对象的心率；基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值。如此，通过对感兴趣的人脸标识区域的至少两个原色通道进行空间像素平均得到标识信号，以及基于多个标识信号确定标识信号曲线，并对标识信号曲线进行线性选择和盲源分离得到表征待检测对象的心率的目标信号曲线，有效地避免了相关技术中基于人脸视频的非接触式心率测量中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
基于前述实施例，本发明实施例提供一种信息处理方法，如图2所示，该方法包括以下步骤：
步骤201、终端获取包含待检测对象脸部信息的多帧目标图像。
在本发明实施例中，多帧目标图像具体可以是每一帧图像中都具有待检测对象脸部信息的静止画面，其中，多帧目标图像可以是连续时序的多帧静止画面。
在一种可行的实施方式中，步骤201可以通过步骤201a至201c的方式来实现：
步骤201a、终端获取包含待检测对象脸部信息的视频。
在本发明实施例中，终端获取具有人脸的视频信息，可以是获取包含待检测对象脸部信息的彩***，也可以是获取包含待检测对象脸部信息的灰***信息；其中，该视频可以是终端通过自身的拍摄装置拍摄相关待检测对象生成的，也可以终端从其他设备或服务器获取的包含待检测对象脸部信息的视频。
步骤201b、终端按照预设步长通过滑动视频窗口的方式，从视频中获取预定时长的多个目标视频。
在本发明实施例中，终端基于获取的包含人脸信息的视频中，通过一个定长的滑动窗口从视频的任一帧图像从前向后按照定步长滑动，来获取多个预定时长的多个不同目标视频信息；例如，一个具有10s时长的包含人脸部信息的视频，其中，1s包含30帧，即该视频中共有300帧静止画面，终端从第一帧画面开始按照预定时长即5s来获取第一目标视频，第一目标视频即视频的第1-5s的视频信息；终端在基于第31帧画面开始按照预定时长即5s来获取第二目标视频，第二目标视频即视频的第2-6s的视频信息，依次类推，终端共获取至少6个目标视频。
在本发明实施例中，预定时长可以是1s、2s、5s、10s等，本申请对此不作任何限定；同时终端从视频的第一帧开始滑动获取目标视频，终端也可以从视频的第10帧开始滑动获取目标视频，本申请对从视频第几帧或者视频的第几秒开始滑动来获取目标视频不作任何限定，且获取的目标视频的数量也不作任何限定。
步骤201c、终端获取每一目标视频对应的多帧目标图像。
在本发明实施例中，终端将上文获取的多个目标视频进行处理，得到每一目标视频信息对应的多帧目标图像，换而言之，即将获取的每一目标视频转换成视频帧画面，即每一帧画面包含待检测对象脸部信息的图像。终端可以从多个目标视频中得到其中的某几幅帧图像序列，也可以是全部获取，在以下实施例中，是获取每一目标视频中全部视频帧画面即每一目标视频对应的全部的多帧目标图像。
在本发明实施例中，终端可以基于相应的算法或者相应的应用软件对目标视频进行处理来获取对应的帧图像。
步骤202、终端对多帧目标图像进行图像预处理，得到每一帧图像对应的关键点信息。
在本发明实施例中，终端对多帧图像进行预处理，可以是对每一目标视频对应的多帧图像进行预处理。
在一种可行的实时方式中，以获取的目标视频为彩色为例，即获取的多帧图像也是彩色的图像，对多帧图像进行预处理具体可以是通过以下流程：1、对每帧的彩色图像进行灰度处理后得到每帧图像各自对应的灰度图；2、对灰度图进行检测并截取人脸图像，具体可以是通过方向梯度直方图(Histogram of Oriented Gradient，HOG)与经过训练的线性分类器如支持向量机(Support Vecor Machine，SVM)处理灰度图得到人脸位置的检测框坐标以及包含人脸位置的矩形框，将获取的人脸位置的检测框坐标以及包含人脸位置的矩形框映射到原彩色图像中，可以定位并检测到人脸信息，基于人脸信息来截取该检测框内的人脸部分并得到人脸图像；3、基于完成人脸部分图像的捕捉后，进行人脸关键点检测，具体可以是采用已经过训练的梯度提升迭代决策树模型(Gradient Boosting DecisionTree，GBDT)作为人脸关键点的检测器，利用该检测器对人脸图像进行人脸对齐得到该人脸图像的68个关键点，实现对人脸结构的定位。如图3所示给出了一种人体脸部区域的划分示意图，其中人脸图像的68个关键点可以示意出整个人脸框架。
步骤203、终端基于每一帧图像对应的关键点信息，确定每一帧图像对应的感兴趣人脸的标识区域。
其中，标识区域至少包括表征左右脸颊的第一标识区域和表征鼻梁的第二标识区域。
在本发明实施例中，可以是利用上文得到的68个人脸关键点数据，截取得到人脸图像中光照情况较为稳定的ROI区域。如图3所示，给出了两个矩形ROI，一个三角形ROI，其中，位于两眼眼角的共四个关键点以及位于脸颊的四个关键点在左右脸颊获得对称的两个矩形ROI，利用鼻梁周围的三个关键点获得包含整个鼻梁的三角形ROI，共计三个ROI。
步骤204、终端对标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于标识区域的标识信号确定标识信号曲线。
在本发明实施例中，标识区域可以是针对上文提到两个矩形ROI和一个三角形ROI，终端对每一帧图像的三个ROI的三个原色通道进行空间像素平均，即从三个ROI中提取RGB信号，并基于每一帧图像中的三个ROI中提取RGB信号生成标识信号曲线Sr、曲线Sg、曲线Sb。
步骤205、终端对标识信号曲线进行线性选择和盲源分离，得到目标信号曲线。
其中，目标信号曲线表征待检测对象的心率。
步骤206、终端基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本发明实施例所提供的信息处理方法，终端将多个不同时间段的视频转换为相应的帧画面，进而对每一帧画面进行图像处理得到每一帧画面的标识区域，同时通过对感兴趣的人脸标识区域的至少两个原色通道进行空间像素平均得到标识信号，以及基于多个标识信号确定标识信号曲线，并对标识信号曲线进行线性选择和盲源分离得到表征待检测对象的心率的目标信号曲线，有效地避免了相关技术中基于人脸视频的非接触式心率测量中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
基于前述实施例，本发明的实施例提供一种信息处理方法，如图4所示，该方法包括以下步骤：
步骤301、终端获取包含待检测对象脸部信息的多帧目标图像。
步骤302、终端对多帧目标图像进行图像预处理，得到每一帧图像对应的关键点信息。
步骤303、终端基于每一帧图像对应的关键点信息，确定每一帧图像对应的感兴趣人脸的标识区域。
步骤304、终端对标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于标识区域的标识信号确定标识信号曲线。
步骤305、终端对标识信号曲线进行线性选择，得到基础信号曲线。
在一种可行的实施方式中，步骤305可以通过步骤305a至305c的方式来实现：
步骤305a、终端对标识信号曲线进行分段处理得到多个第一信号曲线。
在本发明实施例中，终端对标识信号曲线Sr、曲线Sg、曲线Sb进行进行相同操作，即按照固定间隔，如每15帧、每10帧对三个曲线进行分段处理，得到曲线Sr、曲线Sg、曲线Sb各自对应的多个第一信号曲线Sr1、曲线Sg1、曲线Sb1。
步骤305b、终端对多个第一信号曲线进行方差选择得到多个第二信号曲线，并基于多个第二信号曲线生成第一目标信号曲线。
在本发明实施例中，终端对信号曲线进行方差选择，即分别计算多个第一信号曲线Sr1、曲线Sg1、曲线Sb1各自对应的每段信号的Vr、Vg、Vb，其中，若方差中的最大值大于一个阈值，该阈值为预设的一个条件值，则将该段截去，依次类推，全部分段完成方差选择后，将剩余的信号段生成的多个第二信号曲线，即曲线Sr2、曲线Sg2、曲线Sb2依次从前向后进行连接，在断裂部分即两段中间有被截去的部分进行连接，计算前后两段信号的均值差，将后段曲线整体加上该均值差使得前后两段均值保持一致，以此完成前后曲线对齐，这样处理减小了信号因曲线断裂引入的频率分量误差。在本发明实施例中，多个第一信号曲线Sr1、曲线Sg1、曲线Sb1经方差选择处理后生成对应的第一目标信号曲线Sr11、曲线Sg11、曲线Sb11。
步骤305c、终端基于样条拟合去除第一目标信号曲线中的非线性部分，得到基础信号曲线。
在本发明实施例中，终端对第一目标信号曲线Sr11、曲线Sg11、曲线Sb11进行同步操作，即去除该信号曲线中的非线性，更可以是去除该信号曲线中的非线性与线性趋势，在一种可行的实施方式中，具体操作是将三个曲线分别使用b样条拟合，其中，b样条拟合是基于差商来完成曲线的拟合，得到三个信号曲线Sr11、曲线Sg11、曲线Sb11的非线性趋势Tnlr、Tnlg、Tnlb，然后使用三个信号曲线Sr11、曲线Sg11、曲线Sb11相对应的减去各自的非线性趋势Tnlr、Tnlg、Tnlb得到三个曲线Sr3、曲线Sg3、曲线Sb3，再基于最小二乘法拟合信号得到的三个曲线Sr3、曲线Sg3、曲线Sb3相应的三个曲线相对应线性趋势Tlr、Tlg、Tlb，随后使用曲线Sr3、曲线Sg3、曲线Sb3相应地减去各自的线性趋势Tlr、Tlg、Tlb，得到最终的基础信号曲线Sr111、曲线Sg111、曲线Sb111。
步骤306、终端对基础信号曲线进行盲源分离，得到目标信号曲线。
其中，目标信号曲线表征待检测对象的心率。
在本发明实施例中，终端需先对基础信号曲线Sr111、曲线Sg111、曲线Sb111进行相应的带通滤波处理，再对该基础信号曲线进行盲源分离操作，来得到相应的目标信号曲线Srr、曲线Sgg、曲线Sbb。
在一种可行的实施方式中，步骤306可以通过步骤306a至步骤306b的方式来实现：
步骤306a、终端对基础信号曲线进行滤波处理，得到基准信号曲线。
在本发明实施例中，终端对基础信号曲线Sr111、曲线Sg111、曲线Sb111进行带通滤波，通过何种方式来实现带通滤波本申请对此不作任何限定。在一种可行的实施方式中，通过滤除三个基础信号曲线Sr111、曲线Sg111、曲线Sb111中的超低频和超高频成分的信号来完成带通滤波以实现平滑信号曲线，得到相对应的三个基准信号曲线Sr222、曲线Sg222、曲线Sb222。
步骤306b、终端采用独立成分分析法对基准信号曲线进行迭代处理，得到目标信号曲线。
在本发明实施例中，终端采用独立成分分析法(Independent ComponentCorrelation Algorithm，ICA)来处理三个基准信号曲线Sr222、曲线Sg222、曲线Sb222，基于此，再采用多步迭代进一步处理得到目标信号曲线即曲线Srr、曲线Sgg、曲线Sbb，可以从三个目标信号曲线中获得各自相互独立的信号成分C1、C2、C3。其中，各自相互独立的信号成分中包含对心率变化显著的信号。
步骤307、终端基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本发明实施例所提供的信息处理方法，终端将多个不同时间段的视频转换为相应的帧画面，并对每一帧画面进行处理得到每一帧画面的标识区域，同时通过对感兴趣的人脸标识区域的至少两个原色通道进行空间像素平均得到标识信号，以及基于多个标识信号确定标识信号曲线，并对标识信号曲线进行线性选择和盲源分离得到表征待检测对象的心率的目标信号曲线，有效地避免了相关技术中基于人脸视频的非接触式心率测量中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
基于前述实施例，本发明的实施例提供一种信息处理方法，如图5所示，该方法包括以下步骤：
步骤401、终端获取包含待检测对象脸部信息的多帧目标图像。
步骤402、终端对多帧目标图像进行图像预处理，得到每一帧图像对应的关键点信息。
步骤403、终端基于每一帧图像对应的关键点信息，确定每一帧图像对应的感兴趣人脸的标识区域。
步骤404、终端对标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于标识区域的标识信号确定标识信号曲线；
步骤405、终端对标识信号曲线进行线性选择，得到基础信号曲线；
步骤406、终端对基础信号曲线进行盲源分离，得到目标信号曲线。
其中，目标信号曲线表征待检测对象的心率。
步骤407、终端对目标信号曲线进行傅里叶变换，得到目标信号频域功率值。
在本发明实施例中，终端将得到的目标信号曲线Srr、曲线Sgg、曲线Sbb中各自相互独立的信号成分C1、C2、C3，分别进行傅里叶变换得到该信号成分的频域功率谱，并在人体心率频率的一般范围即0.75～2.5Hz进行频率选择来得到目标信号频率功率值。
步骤408、终端基于预设阈值对目标信号频域功率值进行处理，得到待检测对象的心率值。
在本发明实施例中，预设阈值是一信任度值，该信任度值是基于以下方式来获取的，即因含心率信号的信号成分会在实际心率的频率位置有一个显著单峰，而该信号成分频谱的其他峰值远低于心率频率位置的峰值，而不含心率信号的信号成分则无此特征。基于此，寻找各信号成分频谱的在心率范围内的最大峰值与第二大峰值，计算其比值即信任度，若比值较大超过该信任度值，则将该最大峰值的频率作为实际的心率，若有多个信号成分频谱满足条件，则选择最大信任度对应的频率作为实际心率。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本发明实施例所提供的信息处理方法，终端将多个不同时间段的视频转换为相应的帧画面，并对每一帧画面进行处理得到每一帧画面的标识区域，同时通过对感兴趣的人脸标识区域的至少两个原色通道进行空间像素平均得到标识信号，以及基于多个标识信号确定标识信号曲线，并对标识信号曲线进行线性选择和盲源分离得到表征待检测对象的心率的目标信号曲线，有效地避免了相关技术中基于人脸视频的非接触式心率测量中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
基于前述实施例，在本发明的其他实施例中，终端在基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值，还可以通过以下步骤A1至步骤A2的方式来实现：
步骤A1、终端基于信号变换和预设阈值对目标信号曲线进行处理，得到每一目标视频对应的参考心率值。
在本发明实施例中，终端获取的目标信号曲线可以是一个目标视频对应的三个目标信号曲线Srr、曲线Sgg、曲线Sbb，更可以是多个目标视频对应的各自三个目标信号曲线Srr、曲线Sgg、曲线Sbb；本申请对目标视频的个数不作限制，基于此，本申请可以获得多个目标视频各自对应的待测对象的参考心率值。从而避免了使用一个目标视频获取的心率出现测量不准确的情况。
步骤A2、终端采用平均离差算法对多个参考心率值进行处理，得到待检测对象的心率值。
在本发明实施例中，终端进一步可以将获取的多个目标视频对应的多个参考心率值进行处理，得到一个平均值，即最终的待检测对象的心率值。在一种可行的实施方式中，终端可以将通过去除多个参考心率值中的离群值，然后再对处理后的多个参考心率值取平均得到最终的心率值，即采用平均值绝对偏差算法(Mean Absolute Deviation，MAD)查找多个参考心率值中的中位数h，然后将多个参考心率值与中位数h进行差值计算得到多个对应的偏差值，若偏差值大于一预设阈值，则将其作为离群值舍去，完成离群值去除操作后，将剩余的心率值进行平均取得最终平均值ht，该平均值ht即为最终得到人脸视频的人体心率值，这样终端通过滑动窗口来获取多个目标视频，并获取每一目标视频对应的心率值，并采取去除离群值算法来确定一个平均心率值，更进一步保证了获取心率值的方法鲁棒性。
在本发明实施例中，图6给出了一种人体心率的测量方法的示意图。基于人脸视频来获取人体心率值的流程步骤如下：
基于每一段目标视频执行以下：步骤1、获取人脸视频；步骤2、人脸检测与关键点提取，具体通过获取的人脸视频转换的帧图像来进行人脸检测与关键点提取；步骤3、ROI提取，即步骤2获得人脸关键点中提取ROI；步骤4、RGB信号提取，对ROI区域进行RGB信号的提取；步骤5、方差选择与信号连接，即对获取的RGB信号进行曲线处理；步骤6、去除非线性与线性趋势，具体是去经方差选择与信号连接后的RGB曲线进行曲线处理；步骤7、盲源分离；步骤8、傅里叶变换。该测量方法整体通过步骤10即滑动窗口来获取多个目标视频，再对多个目标执行依次上述步骤1-8，获取多个信号值，再执行步骤9、离群值去除，来最终得到步骤11的人体心率值。
基于前述实施例，本发明的实施例提供一种终端7，该终端7可以应用图1-2、图4-5对应的实施例提供的一种信息处理方法中，参照图7所示，该终端7包括：处理器71、存储器72和通信总线73，其中：
通信总线73用于实现处理器71和存储器72之间的通信连接。
处理器71用于执行存储器72中存储的信息处理方法的程序，以实现以下步骤：
基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；
对标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于标识区域的标识信号确定标识信号曲线；
对标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，目标信号曲线表征待检测对象的心率；
基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值。
本发明的其他实施例中，处理器71用于执行存储器72中存储的基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域，以实现以下步骤：
获取包含待检测对象脸部信息的多帧目标图像；
对多帧目标图像进行图像预处理，得到每一帧图像对应的关键点信息；
基于每一帧图像对应的关键点信息，确定每一帧图像对应的感兴趣人脸的标识区域；其中，标识区域至少包括表征左右脸颊的第一标识区域和表征鼻梁的第二标识区域。
本发明的其他实施例中，处理器71用于执行存储器72中存储的获取包含待检测对象脸部信息的多帧目标图像，以实现以下步骤：
获取包含待检测对象脸部信息的视频；
按照预设步长通过滑动视频窗口的方式，从视频中获取预定时长的多个目标视频；
获取每一目标视频对应的多帧目标图像。
本发明的其他实施例中，处理器71用于执行存储器72中存储的基于信号变换和预设阈值对目标信号曲线进行处理，得到待检测对象的心率值，以实现以下步骤：
基于信号变换和预设阈值对目标信号曲线进行处理，得到每一目标视频对应的参考心率值；
采用平均离差算法对多个参考心率值进行处理，得到待检测对象的心率值。
本发明的其他实施例中，处理器71用于执行存储器72中存储的对标识信号曲线进行线性选择和盲源分离，得到目标信号曲线，以实现以下步骤：
对标识信号曲线进行线性选择，得到基础信号曲线；
对基础信号曲线进行盲源分离，得到目标信号曲线。
本发明的其他实施例中，处理器71用于执行存储器72中存储的对标识信号曲线进行线性选择，得到基础信号曲线，以实现以下步骤：
对标识信号曲线进行分段处理得到多个第一信号曲线；
对多个第一信号曲线进行方差选择得到多个第二信号曲线，并基于多个第二信号曲线生成第一目标信号曲线；
基于样条拟合去除第一目标信号曲线中的非线性部分，得到基础信号曲线。
本发明的其他实施例中，处理器71用于执行存储器72中存储的对基础信号曲线进行盲源分离，得到目标信号曲线，以实现以下步骤：
对基础信号曲线进行滤波处理，得到基准信号曲线；
采用独立成分分析法对基准信号曲线进行迭代处理，得到目标信号曲线。
本发明的其他实施例中，处理器71用于执行存储器72中存储的基于信号变换和预设阈值对目标信号曲线进行处理，以实现以下步骤：
对目标信号曲线进行傅里叶变换，得到目标信号频域功率值；
基于预设阈值对目标信号频域功率值进行处理。
需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1-2、图4-5对应的实施例提供的信息处理方法中的实现过程，此处不再赘述。
本发明实施例所提供的终端，终端将多个不同时间段的视频转换为相应的帧画面，并对每一帧画面进行处理得到每一帧画面的标识区域，同时通过对感兴趣的人脸标识区域的至少两个原色通道进行空间像素平均得到标识信号，以及基于多个标识信号确定标识信号曲线，并对标识信号曲线进行线性选择和盲源分离得到表征待检测对象的心率的目标信号曲线，有效地避免了相关技术中基于人脸视频的非接触式心率测量中存在运动伪影的问题，提高了用户在使用基于人脸视频的非接触心率测量时的精确度。
基于前述实施例，本发明的实施例提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如图1-2、图4-5对应的信息处理方法的步骤。
需要说明的是，上述计算机可读存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所描述的方法。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种信息处理方法，所述方法包括：
基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；
对所述标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于所述标识区域的标识信号确定标识信号曲线；
对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，所述目标信号曲线表征所述待检测对象的心率；
基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值。
2.根据权利要求1所述的方法，其特征在于，所述基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域，包括：
获取包含待检测对象脸部信息的多帧目标图像；
对所述多帧目标图像进行图像预处理，得到所述每一帧图像对应的关键点信息；
基于所述每一帧图像对应的关键点信息，确定所述每一帧图像对应的感兴趣人脸的标识区域；其中，所述标识区域至少包括表征左右脸颊的第一标识区域和表征鼻梁的第二标识区域。
3.根据权利要求2所述的方法，其特征在于，所述获取包含待检测对象脸部信息的多帧目标图像，包括：
获取包含所述待检测对象脸部信息的视频；
按照预设步长通过滑动视频窗口的方式，从所述视频中获取预定时长的多个目标视频；
获取所述每一目标视频对应的所述多帧目标图像。
4.根据权利要求3所述的方法，其特征在于，所述基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值，包括：
基于信号变换和预设阈值对所述目标信号曲线进行处理，得到每一目标视频对应的参考心率值；
采用平均离差算法对多个所述参考心率值进行处理，得到所述待检测对象的心率值。
5.根据权利要求1所述的方法，其特征在于，所述对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线，包括：
对所述标识信号曲线进行线性选择，得到基础信号曲线；
对所述基础信号曲线进行盲源分离，得到所述目标信号曲线。
6.根据权利要求5所述的方法，其特征在于，所述对所述标识信号曲线进行线性选择，得到基础信号曲线，包括：
对所述标识信号曲线进行分段处理得到多个第一信号曲线；
对所述多个第一信号曲线进行方差选择得到多个第二信号曲线，并基于所述多个第二信号曲线生成第一目标信号曲线；
基于样条拟合去除所述第一目标信号曲线中的非线性部分，得到所述基础信号曲线。
7.根据权利要求5所述的方法，其特征在于，所述对所述基础信号曲线进行所述盲源分离，得到所述目标信号曲线，包括：
对所述基础信号曲线进行滤波处理，得到基准信号曲线；
采用独立成分分析法对所述基准信号曲线进行迭代处理，得到所述目标信号曲线。
8.根据权利要求1或4所述的方法，其特征在于，所述基于信号变换和预设阈值对所述目标信号曲线进行处理，包括：
对所述目标信号曲线进行傅里叶变换，得到目标信号频域功率值；
基于预设阈值对所述目标信号频域功率值进行处理。
9.一种终端，其特征在于，所述终端包括：处理器、存储器和通信总线；
所述通信总线用于实现所述处理器和所述存储器之间的通信连接；
所述处理器用于执行所述存储器中存储的信息处理方法的程序，以实现以下步骤：
基于包含待检测对象脸部信息的帧图像，确定帧图像对应的感兴趣人脸的标识区域；
对所述标识区域的至少两个原色通道进行空间像素平均，得到标识区域的标识信号，并基于所述标识区域的标识信号确定标识信号曲线；
对所述标识信号曲线进行线性选择和盲源分离，得到目标信号曲线；其中，所述目标信号曲线表征所述待检测对象的心率；
基于信号变换和预设阈值对所述目标信号曲线进行处理，得到所述待检测对象的心率值。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的信息处理方法的步骤。
CN202010568303.9A 2020-06-19 2020-06-19 一种信息处理方法、终端和计算机可读存储介质 Pending CN111743524A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010568303.9A CN111743524A (zh) 2020-06-19 2020-06-19 一种信息处理方法、终端和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010568303.9A CN111743524A (zh) 2020-06-19 2020-06-19 一种信息处理方法、终端和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN111743524A true CN111743524A (zh) 2020-10-09

Family

ID=72675259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010568303.9A Pending CN111743524A (zh) 2020-06-19 2020-06-19 一种信息处理方法、终端和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111743524A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113093106A (zh) * 2021-04-09 2021-07-09 北京华捷艾米科技有限公司 一种声源定位方法及***
CN114469037A (zh) * 2022-01-29 2022-05-13 武汉大学 一种基于毫米波雷达的高可靠心率测量方法
CN114708225A (zh) * 2022-03-31 2022-07-05 上海商汤临港智能科技有限公司 一种血压测量方法、装置、电子设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103720468A (zh) * 2013-12-05 2014-04-16 深圳先进技术研究院 应用于动态心电数据的伪差识别方法和装置
CN104138254A (zh) * 2013-05-10 2014-11-12 天津点康科技有限公司 非接触式自动心率测量***及测量方法
CN104287711A (zh) * 2014-09-24 2015-01-21 广州三瑞医疗器械有限公司 胎心率曲线非基线部分和基线的计算方法
CN105105737A (zh) * 2015-08-03 2015-12-02 南京盟联信息科技有限公司 基于光电容积描记和谱分析的运动状态心率监测方法
CN105554385A (zh) * 2015-12-18 2016-05-04 天津中科智能识别产业技术研究院有限公司 一种远距离多模态生物特征识别方法及其***
CN106388832A (zh) * 2016-11-24 2017-02-15 西安思源学院 一种基于超声全心脏序列图像的身份识别方法
CN106491117A (zh) * 2016-12-06 2017-03-15 上海斐讯数据通信技术有限公司 一种基于ppg心率测量技术的信号处理方法及装置
CN107341435A (zh) * 2016-08-19 2017-11-10 北京市商汤科技开发有限公司 视频图像的处理方法、装置和终端设备
CN108236461A (zh) * 2017-12-22 2018-07-03 天津天堰科技股份有限公司 一种可进行编辑的心电信号的处理方法
WO2018179150A1 (ja) * 2017-03-29 2018-10-04 日本電気株式会社 心拍推定装置
CN109381181A (zh) * 2017-08-14 2019-02-26 深圳大学 心电信号特征波形的端点检测方法
CN109480807A (zh) * 2018-09-21 2019-03-19 王桥生 一种基于图像信号分析的非接触式心率测量方法
WO2019203106A1 (en) * 2018-04-17 2019-10-24 Nec Corporation Pulse rate estimation apparatus, pulse rate estimation method, and computer-readable storage medium
CN111134650A (zh) * 2019-12-26 2020-05-12 上海眼控科技股份有限公司 心率信息获取方法、装置、计算机设备和存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104138254A (zh) * 2013-05-10 2014-11-12 天津点康科技有限公司 非接触式自动心率测量***及测量方法
CN103720468A (zh) * 2013-12-05 2014-04-16 深圳先进技术研究院 应用于动态心电数据的伪差识别方法和装置
CN104287711A (zh) * 2014-09-24 2015-01-21 广州三瑞医疗器械有限公司 胎心率曲线非基线部分和基线的计算方法
CN105105737A (zh) * 2015-08-03 2015-12-02 南京盟联信息科技有限公司 基于光电容积描记和谱分析的运动状态心率监测方法
CN105554385A (zh) * 2015-12-18 2016-05-04 天津中科智能识别产业技术研究院有限公司 一种远距离多模态生物特征识别方法及其***
CN107341435A (zh) * 2016-08-19 2017-11-10 北京市商汤科技开发有限公司 视频图像的处理方法、装置和终端设备
CN106388832A (zh) * 2016-11-24 2017-02-15 西安思源学院 一种基于超声全心脏序列图像的身份识别方法
CN106491117A (zh) * 2016-12-06 2017-03-15 上海斐讯数据通信技术有限公司 一种基于ppg心率测量技术的信号处理方法及装置
WO2018179150A1 (ja) * 2017-03-29 2018-10-04 日本電気株式会社 心拍推定装置
CN109381181A (zh) * 2017-08-14 2019-02-26 深圳大学 心电信号特征波形的端点检测方法
CN108236461A (zh) * 2017-12-22 2018-07-03 天津天堰科技股份有限公司 一种可进行编辑的心电信号的处理方法
WO2019203106A1 (en) * 2018-04-17 2019-10-24 Nec Corporation Pulse rate estimation apparatus, pulse rate estimation method, and computer-readable storage medium
CN109480807A (zh) * 2018-09-21 2019-03-19 王桥生 一种基于图像信号分析的非接触式心率测量方法
CN111134650A (zh) * 2019-12-26 2020-05-12 上海眼控科技股份有限公司 心率信息获取方法、装置、计算机设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113093106A (zh) * 2021-04-09 2021-07-09 北京华捷艾米科技有限公司 一种声源定位方法及***
CN114469037A (zh) * 2022-01-29 2022-05-13 武汉大学 一种基于毫米波雷达的高可靠心率测量方法
CN114469037B (zh) * 2022-01-29 2024-01-12 武汉大学 一种基于毫米波雷达的心率测量方法
CN114708225A (zh) * 2022-03-31 2022-07-05 上海商汤临港智能科技有限公司 一种血压测量方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111743524A (zh) 一种信息处理方法、终端和计算机可读存储介质
JP5422018B2 (ja) 画像処理方法および画像処理装置
WO2018177364A1 (zh) 一种滤镜的实现方法及装置
KR101167567B1 (ko) 어류 모니터링을 위한 영상감시장치 및 방법
EP3798975B1 (en) Method and apparatus for detecting subject, electronic device, and computer readable storage medium
WO2014053837A2 (en) Image processing
US20190180107A1 (en) Colour look-up table for background segmentation of sport video
JP2010055194A (ja) 画像処理装置および方法、学習装置および方法、並びにプログラム
WO2019015477A1 (zh) 图像矫正方法、计算机可读存储介质和计算机设备
CN108805838B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN110062157B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
US11700462B2 (en) System for performing ambient light image correction
US11720745B2 (en) Detecting occlusion of digital ink
JP2017050683A (ja) 画像処理装置、撮像装置、画像処理方法およびプログラム
JP3993029B2 (ja) 化粧シミュレーション装置、化粧シミュレーション方法、化粧シミュレーションプログラム及びそのプログラムを記録した記録媒体
CN110348358B (zh) 一种肤色检测***、方法、介质和计算设备
JP2013058060A (ja) 人物属性推定装置、人物属性推定方法及びプログラム
CN111444555A (zh) 一种测温信息显示方法、装置及终端设备
WO2023071189A1 (zh) 一种图像处理方法、装置、计算机设备和存储介质
US20140198177A1 (en) Realtime photo retouching of live video
CN109981989B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110473176B (zh) 图像处理方法及装置、眼底图像处理方法、电子设备
CN105447846B (zh) 一种图像处理方法及电子设备
CN108769521B (zh) 一种拍照方法、移动终端及计算机可读存储介质
CN113379702A (zh) 一种微循环图像的血管路径提取方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination