使用网络摄像头检测心跳

我正在尝试创建一个可以使用您的计算机网络摄像头检测心跳的应用程序。我从 2 周开始研究代码并开发了这段代码，到目前为止我得到了

它是如何工作的？下图...

使用 opencv 检测人脸
获取额头图像
应用滤镜将其转换为灰度图像[您可以跳过它]
查找每帧绿色像素的平均强度
将平均值保存到数组中
（我使用了最小库）从 FFT 频谱中提取心跳（在这里，我需要一些帮助）

在这里，我需要帮助从FFT频谱中提取心跳。谁能帮我。这是用python开发的类似应用程序，但我无法理解这段代码，所以我正在开发相同的代码。谁能帮我理解这个python代码中提取心跳的部分。

//---------import required ilbrary -----------
import gab.opencv.*;
import processing.video.*;
import java.awt.*;
import java.util.*;
import ddf.minim.analysis.*;
import ddf.minim.*;
//----------create objects---------------------------------
Capture video; // camera object
OpenCV opencv; // opencv object
Minim       minim;
FFT         fft;
//IIRFilter filt;
//--------- Create ArrayList--------------------------------
ArrayList<Float> poop = new ArrayList(); 
float[] sample;
int bufferSize = 128;
int sampleRate = 512;
int bandWidth = 20;
int centerFreq = 80;
//---------------------------------------------------
void setup() {
  size(640, 480); // size of the window
  minim = new Minim(this);
  fft = new FFT( bufferSize, sampleRate);
  video = new Capture(this, 640/2, 480/2); // initializing video object
  opencv = new OpenCV(this, 640/2, 480/2); // initializing opencv object
  opencv.loadCascade(OpenCV.CASCADE_FRONTALFACE);  // loading haar cscade file for face detection
  video.start(); // start video
}
void draw() {
  background(0);
  // image(video, 0, 0 ); // show video in the background
  opencv.loadImage(video);
  Rectangle[] faces = opencv.detect();
  video.loadPixels();
  //------------ Finding faces in the video ----------- 
  float gavg = 0;
  for (int i = 0; i < faces.length; i++) {
    noFill();
    stroke(#FFB700); // yellow rectangle
    rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height); // creating rectangle around the face (YELLOW)
    stroke(#0070FF); //blue rectangle
    rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height-2*faces[i].height/3); // creating a blue rectangle around the forehead
    //-------------------- storing forehead white rectangle part into an image -------------------
    stroke(0, 255, 255);
    rect(faces[i].x+faces[i].width/2-15, faces[i].y+15, 30, 15);
    PImage img = video.get(faces[i].x+faces[i].width/2-15, faces[i].y+15, 30, 15); // storing the forehead aera into a image
    img.loadPixels();
    img.filter(GRAY); // converting capture image rgb to gray
    img.updatePixels();
    int numPixels = img.width*img.height;
    for (int px = 0; px < numPixels; px++) { // For each pixel in the video frame...
      final color c = img.pixels[px];
      final color luminG = c>>010 & 0xFF;
      final float luminRangeG = luminG/255.0;
      gavg = gavg + luminRangeG;
    }
    //--------------------------------------------------------
    gavg = gavg/numPixels;
    if (poop.size()< bufferSize) {
      poop.add(gavg);
    }
    else poop.remove(0);
  }
  sample = new float[poop.size()];
  for (int i=0;i<poop.size();i++) {
    Float f = (float) poop.get(i);
    sample[i] = f;
  }
  if (sample.length>=bufferSize) {
    //fft.window(FFT.NONE); 
    fft.forward(sample, 0);
    //    bpf = new BandPass(centerFreq, bandwidth, sampleRate);
    //    in.addEffect(bpf);
    float bw = fft.getBandWidth(); // returns the width of each frequency band in the spectrum (in Hz).
    println(bw); // returns 21.5332031 Hz for spectrum [0] & [512]
    for (int i = 0; i < fft.specSize(); i++)
    {
      // println( " Freq" + max(sample));
      stroke(0, 255, 0);
      float x = map(i, 0, fft.specSize(), 0, width);
      line( x, height, x, height - fft.getBand(i)*100);
     // text("FFT FREQ " + fft.getFreq(i), width/2-100, 10*(i+1));
     // text("FFT BAND " + fft.getBand(i), width/2+100, 10*(i+1));
    }
  }
  else {
    println(sample.length + " " + poop.size());
  }
}
void captureEvent(Capture c) {
  c.read();
}

FFT 应用于包含 128 个样本的窗口中。

int bufferSize = 128;

在绘制方法期间，样本存储在数组中，直到填充要应用的FFT的缓冲区。然后，缓冲区保持已满。要插入新样本，将删除最旧的样本。GAVG 是平均灰色通道颜色。

gavg = gavg/numPixels;
if (poop.size()< bufferSize) {
  poop.add(gavg);
}
else poop.remove(0);

应对粪便到样品

sample = new float[poop.size()];
for (int i=0;i < poop.size();i++) {
    Float f = (float) poop.get(i);
    sample[i] = f;
}

现在可以将FFT应用于样本阵列

fft.forward(sample, 0);

在代码中只显示频谱结果。必须计算检测信号频率。对于fft中的每个波段，您必须找到最大值，该位置是心跳的频率。

for(int i = 0; i < fft.specSize(); i++)
{ // draw the line for frequency band i, scaling it up a bit so we can see it
    heartBeatFrequency = max(heartBeatFrequency,fft.getBand(i));
}

然后获取带宽以了解频率。

float bw = fft.getBandWidth();

调整频率。

heartBeatFrequency = fft.getBandWidth() * heartBeatFrequency ;

在获得样本大小 128 的缓冲区大小或大于该值后，使用样本数组转发 fft，然后获取频谱的峰值，这将是我们的 heartBeatRate以下论文对此进行了解释：

从视频测量心率 - 伊莎贝尔布什 - 斯坦福大学 - 链接（图 4 下面的第 4 页段落对此进行了解释。
使用网络摄像头从面部RGB彩色视频实时心率监测 - H. Rahman， M.U. Ahmed， S. Begum， P. Funk - 链接（页面 4）

看完你的问题后，我想让我动手，我尝试为此制作一个存储库。

好吧，如果有人可以看看，有一些问题。

谢谢大卫克利夫特的这个答案，它有很大帮助。

相关内容

最新更新

热门标签：