CN107967684A - 非接触式睡眠呼吸检测方法和装置 - Google Patents
非接触式睡眠呼吸检测方法和装置 Download PDFInfo
- Publication number
- CN107967684A CN107967684A CN201711310465.7A CN201711310465A CN107967684A CN 107967684 A CN107967684 A CN 107967684A CN 201711310465 A CN201711310465 A CN 201711310465A CN 107967684 A CN107967684 A CN 107967684A
- Authority
- CN
- China
- Prior art keywords
- video
- histogram
- background model
- frame
- sleep breathing
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 239000000203 mixture Substances 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 77
- 238000000034 method Methods 0.000 claims description 46
- 238000001914 filtration Methods 0.000 claims description 17
- 230000035565 breathing frequency Effects 0.000 claims description 13
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 201000002859 sleep apnea Diseases 0.000 claims description 6
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 230000036391 respiratory frequency Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种非接触式睡眠呼吸检测方法和装置，包括：采集建模单元；差分运算单元；二值化处理与统计单元；数据处理呈现单元。通过采用红外摄像头拍摄，实现全天时收集睡眠呼吸的视频，采用三帧差分与高斯混合背景建模方式获得红外睡眠呼吸视频的运动信息，以及利用统计直方图中的统计学单峰，根据所述统计学单峰分隔所述直方图的方式去分割睡眠呼吸运动直方图由此实现实时检测睡眠呼吸的频率。
Description
技术领域
本发明涉及电子健康检测领域，特别涉及一种非接触式睡眠呼吸检测方法和装置。
背景技术
睡眠呼吸监测是睡眠状态下对患者多系统变化的观察，以满足睡眠呼吸疾病的临床诊断、疗效评价需要。
现有非接触式呼吸检测检测仪大多用传统的普通摄像头拍摄视频处理，有些虽然是通过红外传感器，但是只是红外的的信号而不能用于视频监测，普通摄像头拍摄视频只能检测白天或者在灯光下的睡眠呼吸状态，不能应用于夜间睡眠呼吸监测。
发明内容
本发明的主要目的为提供一种全天时非接触式睡眠呼吸检测方法和装置。
为了实现上述发明目的，本发明提出了如下技术方案：
一种非接触式睡眠呼吸检测方法，包括：S1、采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型；S2、利用前一视频帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后续帧背景模型的差分作与运算，得到运动目标；S3、将所述标记有运动目标的睡眠呼吸视频进行二值化形态学处理，将所述运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数；S4、根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率。
进一步地，所述睡眠呼吸视频为红外摄像头拍摄的视频。
进一步地，所述通过OpenCV运用高斯混合背景建模对视频帧建立背景模型的步骤之前，包括:通过OpenCV对所述睡眠呼吸视频进行第一次滤波处理，消除建立背景模型时的其它噪音干扰。
进一步地，所述运动目标处白色像素区别显示的方法，包括：将所述带有运动目标的白色像素点区域放大。
进一步地，所述通过预设方法分割所述直方图的步骤，包括：统计直方图中的统计学单峰，根据所述统计学单峰分隔所述直方图。
进一步地，所述根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率的步骤之后，包括：通过最小二乘法拟合出呼吸频率曲线。
进一步地，一种非接触式睡眠呼吸检测装置，包括：采集建模单元，用于采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型；差分运算单元，用于对前一视频帧背景模型与当前帧背景模型差分作与运算，以及对当前帧背景模型与后续帧背景模型差分运算；二值化处理与统计单元，用于将所述标记有运动目标的睡眠呼吸视频进行二值化形态学处理，对所述二值化处理的视频进行第二次滤波处理，将所述运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数。数据处理呈现单元，用于根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率。
进一步地，所述采集建模单元包括：视频采集模块，用于采集睡眠呼吸视频；第一滤波模块，用于对所述睡眠呼吸视频进行第一次滤波处理，消除建立背景模型时的其它噪音干扰。背景建模模块，用于通过OpenCV运用高斯混合背景建模对视频帧建立背景模型。
进一步地，所述二值化处理与统计单元，包括：二值化处理模块，用于将处理过的所述睡眠呼吸视频二值化处理；第二滤波模块，用于对二值化处理过的视频进行消除噪音的滤波处理；数据处理模块，用于将所述运动目标处白色像素点区别显示；数据统计模块，用于统计每帧运动目标处白色像素点个数。
进一步地，所述数据处理呈现单元，包括：数据投影模块，用于将统计的白色像素个数利用投影法，投影出每一帧呼吸的运动直方图；数据分割模块；用于通过预设方法分割所述直方图；数据呈现模块；用于统计出呼吸的频率。
提供一种非接触式睡眠呼吸检测方法和装置，通过采用红外摄像头拍摄，实现全天时收集睡眠呼吸的视频，采用三帧差分与高斯混合背景建模方式获得红外睡眠呼吸视频的运动信息，以及利用统计直方图中的统计学单峰，根据所述统计学单峰分隔所述直方图的方式去分割睡眠呼吸运动直方图由此实现实时检测睡眠呼吸的频率。
附图说明
图1是本发明非接触式睡眠呼吸检测方法的实施例的流程图；
图2是本发明非接触式睡眠呼吸检测装置的实施例的流程图；
图3是本发明非接触式睡眠呼吸检测装置的采集建模单元的模块流程图；
图4是本发明非接触式睡眠呼吸检测装置的二值化处理与统计单元的模块流程图；
图5是本发明非接触式睡眠呼吸检测装置的数据处理呈现单元的模块流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
参照图1，一种非接触式睡眠呼吸检测方法，包括：
S1、采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型；
S2、利用前一视频帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后续帧背景模型的差分作与运算，得到运动目标；
S3、将带有运动目标的睡眠呼吸视频进行二值化形态学处理，将运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数；
S4、根据统计结果建立直方图，通过预设方法分割直方图，统计出呼吸的频率。
在一个实施例中，步骤S1中，是通过视频采集装置将睡眠呼吸视频采集，在视频采集的同时，通过OpenCV(Open Source Computer Vision Library。是一个基于(开源)发行的跨平台计算机视觉库)对所采集的视频运用高斯混合背景建模的方法对采集到的视频每一帧建立背景模型。
步骤S2中，在建立完背景模型以后，通过前一帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后一帧的背景模型的差分作与运算，得到睡眠呼吸的运动目标。
步骤S3中，将带有运动目标的睡眠呼吸视频进行二值化(就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果)形态学处理，将运动目标处白色像素点区别显示，统计出每帧运动目标处的白色像素点个数。
步骤S4中，将统计结果建立直方图，通过预设方法将直方图分割由此可以得到睡眠呼吸频率，进而得到睡眠呼吸频率曲线。其中。预设方法为一种非参数的直方图的分割方法，
一种非参数的直方图的分割方法为：定义：在[a,b]一个密度分布函数f,c属于[a,b]，如果在[a,c]上f是单调递增的，在[c,b]上是单调递减的，即在直方图中就是一个统计学单峰。
只单一利用这样的法则，对于比较小的直方图是不能被检测到作为众数(是一组数据中出现次数最多的数值，叫众数(来源百度百科)。这里指的是直方图的波峰)而被忽略掉的，因此为达到想要的分割效果需要满足以下两个条件：
在每一个分割，这个直方图都是一个统计学上单峰。
在这个直方图上没有几个连续分割段的集合是一个统计学上的单峰。
判断相邻的波峰与波谷之间是否符合上述两个条件。符合就被判断为一次呼吸。
其中，S1采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型包括：
S11、采集睡眠呼吸视频；
S12、通过OpenCV进行初次降噪滤波处理；
S13、通过OpenCV运用高斯混合背景建模对视频帧建立背景模型。
其中，睡眠呼吸视频为红外摄像头拍摄的视频。即采集睡眠呼吸视频并在所采集的视频上通过OpenCV对视频进行初次噪音消除，以减少建立背景模型时其它噪音的干扰，例如视频里的椒盐噪声等。降噪以后通过高斯混合背景建模对视频帧建立背景模型。
S2、利用前一视频帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后续帧背景模型的差分作与运算，得到运动目标包括；
S21、利用前一视频帧背景模型与当前帧背景模型作差分；
S22、利用当前帧背景模型与后续帧背景模型的作差分；
S23、将两个差分作与运算。
即利用前一视频帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后续帧背景模型的差分作与运算，通过三帧差分和背景建模相结合得到运动目标。
S3、将带有运动目标的睡眠呼吸视频进行二值化形态学处理，将运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数包括；
S31、将带有运动目标的睡眠呼吸视频进行二值化形态学处理；
S32、对二值化处理过的视频进行二次消除噪音的滤波处理；
S33、将带有运动目标的白色像素点个数放大；
S34、统计每帧白色像素点个数。
即将带有运动目标的睡眠呼吸视频进行二值化形态学处理，对二值化处理过的视频进行消除噪音的滤波处理，将带有运动目标的白色像素点个数放大，统计每帧运动目标处白色像素点个数。
S4、根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率包括：
S41、将统计结果运用投影法投影出每一帧呼吸的运动直方图；
S42、利用预设方法统计直方图中的统计学单峰，根据所述统计学单峰分隔所述直方图；
S43、将统计出来的呼吸频率
S44、根据统计出的呼吸频率，利用最小二乘法拟合出呼吸频率曲线。
即统计出运动目标处白色像素点个数，通过投影法投影出每一帧呼吸的运动直方图，应用一种非参数的直方图的分割方法，找到呼吸直方图中众数，在单峰规则下找峰值以及分割点，统计出呼吸频率，将统计出的呼吸频率利用最小二乘法拟合出所需要的呼吸频率曲线。
如图2-5，本发明提供一种非接触式睡眠呼吸检测装置，包括：
采集建模单元1，用于采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型；
差分运算单元2，用于对前一视频帧背景模型与当前帧背景模型差分作与运算，以及对当前帧背景模型与后续帧背景模型差分运算；
二值化处理与统计单元3，用于将标记有运动目标的睡眠呼吸视频进行二值化形态学处理，对二值化处理的视频进行第二次滤波处理，将运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数。
数据处理呈现单元4，用于根据统计结果建立直方图，通过预设方法分割直方图，统计出呼吸的频率。
采集建模单元1包括：
视频采集模块11，用于采集睡眠呼吸视频；
第一滤波模块12，用于对睡眠呼吸视频进行第一次滤波处理，消除建立背景模型时的其它噪音干扰；
背景建模模块13，用于通过OpenCV运用高斯混合背景建模对视频帧建立背景模型。
二值化处理与统计单元3，包括：
二值化处理模块31，用于将处理过的睡眠呼吸视频二值化处理；
第二滤波模块32，用于对二值化处理过的视频进行消除噪音的滤波处理；
数据处理模块33，用于将运动目标处白色像素点区别显示；
数据统计模块34，用于统计每帧运动目标处白色像素点个数。
数据处理呈现单元4，包括：
数据投影模块41，用于将统计的白色像素个数利用投影法，投影出每一帧呼吸的运动直方图；
数据分割模块42；用于通过预设方法分割直方图；
数据呈现模块43；用于统计出呼吸的频率。
在一个实施例中，通过视频采集模块11将睡眠呼吸视频采集，其中睡眠呼吸视频为红外摄像头拍摄的视频。在视频采集的同时，通过OpenCV(Open Source ComputerVision Library。是一个基于(开源)发行的跨平台计算机视觉库)对所采集的视频通过第一滤波模块12进行初次噪音消除，以减少背景建模模块13建立背景模型时其它噪音的干扰，背景建模模块13运用高斯混合背景建模的方法对采集到的视频每一帧建立背景模型。
在背景建模模块13建立完背景模型以后，差分运算单元2通过前一帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后一帧的背景模型的差分作与运算，得到睡眠呼吸的运动目标。
即将带有运动目标的睡眠呼吸视频通过二值化处理模块31进行二值化(就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果)形态学处理，对二值化处理过的视频通过第二滤波模块32进行消除噪音的滤波处理，将睡眠呼吸视频里非带有运动目标的白色像素点视为干扰噪音，如采用均值滤波模糊等方式将干扰噪音滤波。通过数据处理模块33将带有运动目标的白色像素点个数放大，由数据统计模块34统计每帧运动目标处白色像素点个数。
将数据统计模块34统计的结果通过数据投影模块41建立直方图，通过数据分割模块42将直方图利用一种非参数直方图分割的方法分割由此可以得到睡眠呼吸频率，进而通过最小二乘法得到睡眠呼吸频率曲线。
综上，本发明提供一种非接触式睡眠呼吸检测装置，通过采用红外摄像头拍摄，实现全天时收集睡眠呼吸的视频，采用三帧差分与高斯混合背景建模方式获得红外睡眠呼吸视频的运动信息，以及利用一种非参数直方图分割的方法去分割睡眠呼吸运动直方图由此实现实时检测睡眠呼吸的频率。
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)
1.一种非接触式睡眠呼吸检测方法，其特征在于，包括：
S1、采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型；
S2、利用前一视频帧背景模型与当前帧背景模型的差分，以及当前帧背景模型与后续帧背景模型的差分作与运算，得到运动目标；
S3、将所述标记有运动目标的睡眠呼吸视频进行二值化形态学处理，将所述运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数；
S4、根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率。
2.如权利要求1所述非接触式睡眠呼吸检测方法，其特征在于，所述睡眠呼吸视频为红外摄像头拍摄的视频。
3.如权利要求1所述非接触式睡眠呼吸检测方法，其特征在于，所述通过OpenCV运用高斯混合背景建模对视频帧建立背景模型的步骤之前，包括:
通过OpenCV对所述睡眠呼吸视频进行第一次滤波处理，消除建立背景模型时的其它噪音干扰。
4.如权利要求1所述非接触式睡眠呼吸检测方法，其特征在于，所述运动目标处白色像素区别显示的方法，包括：
将所述带有运动目标的白色像素点区域放大。
5.如权利要求1所述非接触式睡眠呼吸检测方法，其特征在于，所述通过预设方法分割所述直方图的步骤，包括：
统计直方图中的统计学单峰，根据所述统计学单峰分隔所述直方图。
6.如权利要求1所述非接触式睡眠呼吸检测方法，其特征在于，所述根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率的步骤之后，包括：
通过最小二乘法拟合出呼吸频率曲线。
7.一种非接触式睡眠呼吸检测装置，其特征在于，包括：
采集建模单元，用于采集睡眠呼吸视频并通过OpenCV运用高斯混合背景建模对视频帧建立背景模型；
差分运算单元，用于对前一视频帧背景模型与当前帧背景模型差分作与运算，以及对当前帧背景模型与后续帧背景模型差分运算；
二值化处理与统计单元，用于将所述标记有运动目标的睡眠呼吸视频进行二值化形态学处理，对所述二值化处理的视频进行第二次滤波处理，将所述运动目标处白色像素点区别显示，统计每帧运动目标处白色像素点个数；
数据处理呈现单元，用于根据统计结果建立直方图，通过预设方法分割所述直方图，统计出呼吸的频率。
8.如权利要求7所述非接触式睡眠呼吸检测装置，其特征在于，所述采集建模单元包括：
视频采集模块，用于采集睡眠呼吸视频；
第一滤波模块，用于对所述睡眠呼吸视频进行第一次滤波处理，消除建立背景模型时的其它噪音干扰。
背景建模模块，用于通过OpenCV运用高斯混合背景建模对视频帧建立背景模型。
9.如权利要求7所述非接触式睡眠呼吸检测装置，其特征在于，所述二值化处理与统计单元，包括：
二值化处理模块，用于将处理过的所述睡眠呼吸视频二值化处理；
第二滤波模块，用于对二值化处理过的视频进行消除噪音的滤波处理；
数据处理模块，用于将所述运动目标处白色像素点区别显示；
数据统计模块，用于统计每帧运动目标处白色像素点个数。
10.如权利要求7所述非接触式睡眠呼吸检测装置，其特征在于，所述数据处理呈现单元，包括：
数据投影模块，用于将统计的白色像素个数利用投影法，投影出每一帧呼吸的运动直方图；
数据分割模块；用于通过预设方法分割所述直方图；
数据呈现模块；用于统计出呼吸的频率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711310465.7A CN107967684A (zh) | 2017-12-11 | 2017-12-11 | 非接触式睡眠呼吸检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711310465.7A CN107967684A (zh) | 2017-12-11 | 2017-12-11 | 非接触式睡眠呼吸检测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107967684A true CN107967684A (zh) | 2018-04-27 |
Family
ID=61994162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711310465.7A Pending CN107967684A (zh) | 2017-12-11 | 2017-12-11 | 非接触式睡眠呼吸检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107967684A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110596995A (zh) * | 2019-08-13 | 2019-12-20 | 珠海格力电器股份有限公司 | 一种空调 |
| CN110864412A (zh) * | 2019-08-12 | 2020-03-06 | 珠海格力电器股份有限公司 | 空调控制方法及系统 |
| CN113657319A (zh) * | 2021-08-23 | 2021-11-16 | 安徽农业大学 | 一种基于图像识别技术的无干扰睡眠动作行为的识别方法 |
| US20240081734A1 (en) * | 2020-06-02 | 2024-03-14 | Pacesetter, Inc. | Methods, systems, and devices for detecting sleep and apnea events |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050241639A1 (en) * | 2003-01-30 | 2005-11-03 | Compumedics, Inc. | Algorithm for automatic positive air pressure titration |
| CN101128150A (zh) * | 2004-07-23 | 2008-02-20 | 以康源有限公司 | 使用非接触式麦克风进行呼吸型式测定的装置和方法 |
| CN102973244A (zh) * | 2012-11-16 | 2013-03-20 | 西南石油大学 | 基于热红外成像技术的非接触式睡眠呼吸暂停监测方法及装置 |
| CN103006223A (zh) * | 2012-12-13 | 2013-04-03 | 中国人民解放军第四军医大学 | 一种家用非接触睡眠监测装置及方法 |
| CN104055498A (zh) * | 2014-04-30 | 2014-09-24 | 首都医科大学 | 一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法 |
| CN104173051A (zh) * | 2013-05-28 | 2014-12-03 | 天津点康科技有限公司 | 非接触式自动呼吸测量系统及测量方法 |
| CN104834946A (zh) * | 2015-04-09 | 2015-08-12 | 清华大学 | 一种非接触式睡眠监测方法及系统 |
| CN105962915A (zh) * | 2016-06-02 | 2016-09-28 | 安徽大学 | 非接触式人体呼吸率与心率同步测量方法及系统 |
| CN106546979A (zh) * | 2016-10-08 | 2017-03-29 | 中国人民解放军第四军医大学 | 一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法 |
| CN106901741A (zh) * | 2017-03-13 | 2017-06-30 | 合肥工业大学 | 一种适用于昼夜环境的呼吸率检测方法 |
-
2017
- 2017-12-11 CN CN201711310465.7A patent/CN107967684A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050241639A1 (en) * | 2003-01-30 | 2005-11-03 | Compumedics, Inc. | Algorithm for automatic positive air pressure titration |
| CN101128150A (zh) * | 2004-07-23 | 2008-02-20 | 以康源有限公司 | 使用非接触式麦克风进行呼吸型式测定的装置和方法 |
| CN102973244A (zh) * | 2012-11-16 | 2013-03-20 | 西南石油大学 | 基于热红外成像技术的非接触式睡眠呼吸暂停监测方法及装置 |
| CN103006223A (zh) * | 2012-12-13 | 2013-04-03 | 中国人民解放军第四军医大学 | 一种家用非接触睡眠监测装置及方法 |
| CN104173051A (zh) * | 2013-05-28 | 2014-12-03 | 天津点康科技有限公司 | 非接触式自动呼吸测量系统及测量方法 |
| CN104055498A (zh) * | 2014-04-30 | 2014-09-24 | 首都医科大学 | 一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法 |
| CN104834946A (zh) * | 2015-04-09 | 2015-08-12 | 清华大学 | 一种非接触式睡眠监测方法及系统 |
| CN105962915A (zh) * | 2016-06-02 | 2016-09-28 | 安徽大学 | 非接触式人体呼吸率与心率同步测量方法及系统 |
| CN106546979A (zh) * | 2016-10-08 | 2017-03-29 | 中国人民解放军第四军医大学 | 一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法 |
| CN106901741A (zh) * | 2017-03-13 | 2017-06-30 | 合肥工业大学 | 一种适用于昼夜环境的呼吸率检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| 唐亮等: ""基于面积特征算子的猪呼吸频率检测"", 《信息技术》 * |
| 潘今一等: ""基于视频分析的呼吸检测算法"", 《浙江工业大学学报》 * |
| 秦建辉: ""应用支持向量机的视频分类与检测系统"", 《信息与电脑(理论版)》 * |
| 赵凯旋等: ""基于视频分析的奶牛呼吸频域与异常检测"", 《农业机械学报》 * |
| 陶源栋等: ""基于Kinect的母猪呼吸频率测定算法"", 《南京农业大学学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110864412A (zh) * | 2019-08-12 | 2020-03-06 | 珠海格力电器股份有限公司 | 空调控制方法及系统 |
| CN110864412B (zh) * | 2019-08-12 | 2021-02-12 | 珠海格力电器股份有限公司 | 空调控制方法及系统 |
| CN110596995A (zh) * | 2019-08-13 | 2019-12-20 | 珠海格力电器股份有限公司 | 一种空调 |
| CN110596995B (zh) * | 2019-08-13 | 2020-09-22 | 珠海格力电器股份有限公司 | 一种空调 |
| US20240081734A1 (en) * | 2020-06-02 | 2024-03-14 | Pacesetter, Inc. | Methods, systems, and devices for detecting sleep and apnea events |
| CN113657319A (zh) * | 2021-08-23 | 2021-11-16 | 安徽农业大学 | 一种基于图像识别技术的无干扰睡眠动作行为的识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103854273B (zh) | 一种近正向俯视监控视频行人跟踪计数方法和装置 | |
| WO2020029518A1 (zh) | 一种监控视频处理方法、装置及计算机可读介质 | |
| US20200356820A1 (en) | Speckle contrast analysis using machine learning for visualizing flow | |
| CN103258232B (zh) | 一种基于双摄像头的公共场所人数估算方法 | |
| CN107967684A (zh) | 非接触式睡眠呼吸检测方法和装置 | |
| CN103020965B (zh) | 一种基于显著性检测的前景分割方法 | |
| CN112396011B (zh) | 一种基于视频图像心率检测及活体检测的人脸识别系统 | |
| CN106778695A (zh) | 一种基于视频的多人快速心率检测方法 | |
| CN106295551A (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
| JP2011248836A (ja) | 滞留検出システム及びプログラム | |
| CN110544259B (zh) | 一种基于计算机视觉的复杂背景下伪装人体目标检测方法 | |
| KR20080051956A (ko) | 실시간 동영상의 실루엣 기반 대상체 행동 분석 시스템 및방법 | |
| CN109359577B (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
| CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
| CN110321767A (zh) | 图像提取装置和方法、行为分析系统和存储介质 | |
| CN110781853A (zh) | 人群异常检测方法以及相关装置 | |
| CN105868574A (zh) | 一种摄像头跟踪人脸的优化方法及基于视频的智慧健康监视系统 | |
| Heinrich et al. | Robust and sensitive video motion detection for sleep analysis | |
| CN103226860A (zh) | 一种通道客流密度估计方法 | |
| CN112950502A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN107481067B (zh) | 一种智能广告系统及其交互方法 | |
| CN109028237A (zh) | 基于双区域图像采集进行风速调节的油烟机 | |
| Alaguselvi et al. | Performance analysis of automated lesion detection of diabetic retinopathy using morphological operation | |
| CN113066077B (zh) | 火焰检测方法及装置 | |
| CN108038869A (zh) | 一种电梯轿厢内乘客倒地行为检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180427 |