論文の概要: Non-Contact Breathing Rate Detection Using Optical Flow
- arxiv url: http://arxiv.org/abs/2311.08426v1
- Date: Mon, 13 Nov 2023 10:26:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-16 18:53:46.601567
- Title: Non-Contact Breathing Rate Detection Using Optical Flow
- Title（参考訳）: 光流を用いた非接触呼吸速度検出
- Authors: Robyn Maxwell, Timothy Hanley, Dara Golden, Adara Andonie, Joseph
Lemley, and Ashkan Parsi
- Abstract要約: 繁殖率(Breathing rate)は、人の健康全体を示す貴重な指標である重要な健康指標である。
本稿では, 運動検出アルゴリズム, 光流を用いた非接触呼吸速度検出法について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Breathing rate is a vital health metric that is an invaluable indicator of
the overall health of a person. In recent years, the non-contact measurement of
health signals such as breathing rate has been a huge area of development, with
a wide range of applications from telemedicine to driver monitoring systems.
This paper presents an investigation into a method of non-contact breathing
rate detection using a motion detection algorithm, optical flow. Optical flow
is used to successfully measure breathing rate by tracking the motion of
specific points on the body. In this study, the success of optical flow when
using different sets of points is evaluated. Testing shows that both chest and
facial movement can be used to determine breathing rate but to different
degrees of success. The chest generates very accurate signals, with an RMSE of
0.63 on the tested videos. Facial points can also generate reliable signals
when there is minimal head movement but are much more vulnerable to noise
caused by head/body movements. These findings highlight the potential of
optical flow as a non-invasive method for breathing rate detection and
emphasize the importance of selecting appropriate points to optimize accuracy.
- Abstract（参考訳）: 呼吸率(breath rate)は、人の健康全体の指標として極めて重要な健康指標である。
近年,呼吸速度などの健康信号の非接触測定が開発され,遠隔医療から運転監視まで幅広い応用がなされている。
本稿では,運動検出アルゴリズムであるオプティカルフローを用いた非接触呼吸速度検出法について検討する。
光流は、身体の特定の点の動きを追跡することで呼吸速度を測定するのに有効である。
本研究では,異なる点集合を用いた場合の光学的流れの評価を行った。
テストの結果、胸部と顔面の運動は呼吸速度を決定するのに使えるが、成功度は異なることがわかった。
胸部は非常に正確な信号を生成し、ビデオのRMSEは0.63である。
頭の動きが最小限の場合、顔の焦点は信頼できる信号を生成することもあるが、頭や体の動きによって生じるノイズにずっと弱い。
これらの結果は,非侵襲的呼吸速度検出法としての光フローの可能性を強調し,精度を最適化するために適切な点を選択することの重要性を強調した。
関連論文リスト
- Respiratory Anomaly Detection using Reflected Infrared Light-wave
Signals [0.18641315013048293]
メカニカルロボットの胸部から反射する非コヒーレント光波信号を用いた非接触呼吸異常検出法を提案する。
開発されたシステムは、スマートで非接触的で離散的な呼吸監視方法として、家庭や医療施設で利用することができる。
論文 参考訳（メタデータ） (2023-11-02T16:23:13Z) - A Real-time Human Pose Estimation Approach for Optimal Sensor Placement
in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。
得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。
本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文 参考訳（メタデータ） (2023-07-06T10:38:14Z) - Dual Attention Network for Heart Rate and Respiratory Rate Estimation [1.5469452301122175]
現在テレヒールスでは、非接触カメラによる生理的測定がよりアクセスしやすく便利である。
また、システムの複雑さとレイテンシを低減するために、心拍数と呼吸速度の両方を推定できる統合ネットワークを持つことも望ましいです。
本稿では、空間的注意とチャネル的注意を生かした畳み込みニューラルネットワークを提案し、これを二重注意ネットワーク(DAN)と呼び、カメラビデオと共同で心拍数と呼吸率を入力として推定する。
論文 参考訳（メタデータ） (2021-10-31T03:00:28Z) - Sensor-Guided Optical Flow [53.295332513139925]
本稿では、未知の領域や未知の領域において、より優れた精度を実現するために、外部キューを用いた光フローネットワークを誘導するフレームワークを提案する。
能動センサからの深度測定と幾何および手作り光学フローアルゴリズムを組み合わせることで,これらがどのように得られるかを示す。
論文 参考訳（メタデータ） (2021-09-30T17:59:57Z) - Optimal Sequential Detection of Signals with Unknown Appearance and
Disappearance Points in Time [64.26593350748401]
本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。
我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。
FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
論文 参考訳（メタデータ） (2021-02-02T04:58:57Z) - Collaborative Three-Tier Architecture Non-contact Respiratory Rate
Monitoring using Target Tracking and False Peaks Eliminating Algorithms [10.232449356645608]
非接触呼吸モニタリング技術は、照明やモーションアーティファクトのような環境の影響に敏感であるため、精度が低い。
ユーザとクラウド間の頻繁な接触は、サービス要求の遅延と、個人情報の喪失を引き起こす可能性がある。
我々は,呼吸モニタリングの精度を高め,データ伝送遅延を低減するために,協調的な3層設計による非接触呼吸率モニタリングシステムを提案した。
論文 参考訳（メタデータ） (2020-11-17T07:33:00Z) - Identification of deep breath while moving forward based on multiple
body regions and graph signal analysis [45.62293065676075]
本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。
検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
論文 参考訳（メタデータ） (2020-10-20T08:26:50Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳（メタデータ） (2020-07-16T09:39:17Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - Multispectral Video Fusion for Non-contact Monitoring of Respiratory
Rate and Apnea [7.300192965401497]
呼吸の非接触モニタリングは、近赤外線と遠赤外線のスペクトルカメラで達成できる。
本研究では,無呼吸時の呼吸速度(RR)を推定する多スペクトルデータ融合に基づく新しいアルゴリズムを提案する。
本研究は,医療応用におけるサインモニタリングにおけるカメラの活用に向けての一歩となる可能性がある。
論文 参考訳（メタデータ） (2020-04-21T09:07:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。