1 长春理工大学 生命科学技术学院, 吉林 长春 130022
2 皇家墨尔本理工大学 信息系统和商业分析系, 维多利亚州 卡尔顿 3001
3 墨尔本大学 计算与信息系统学院, 墨尔本 3053
为了实现非接触式的日常精神压力检测,本文提出了一种基于成像式光体积描记术的精神压力检测方法。首先,通过手机摄像头记录受试者面部视频,再采用本文所提出的基于Face Mesh的动态感兴趣区域(Region of Interest,ROI)提取方法获得心率波动引起的皮肤微弱颜色变化。接下来,将快速独立成分分析(FastICA)算法、小波变换和窄带带通滤波相结合,提取基于图像的光体积描记术信号和心率变异性信息。然后,对30名受试者进行了压力诱导实验,通过比较受试者正常和应激状态下心率变异性参数的差异,筛选了用于精神压力检测的14个特征,并探讨了压力诱导的短期精神压力和日常精神压力之间的关系。最后,另外选取67名受试者进行日常精神压力检测,使用机器学习算法建立了精神压力检测的三分类器。实验结果表明:精神压力三分类准确率达到95.2%。鉴于这种方法不需要长期测量,仅使用智能手机就可以准确检测人类精神压力水平,而且测量方法简单,测量时间短,易操作,不会影响受试者的正常心理和精神状态,因此可以作为一种有效的心理学研究工具。
非接触 精神压力检测 成像式光体积描记术 心率变异性 三分类 non-contact mental pressure detection image photoplethysmography heart rate variability ternary classification
北京理工大学光电学院北京市精密光电测试仪器与技术重点实验室, 北京 100081
针对现有心理压力检测方法主观性强、准确率低,且无法连续监测的问题,提出了一种融合心率变异性(HRV)与人脸表情的非接触式心理压力检测方法。该方法通过成像式光电容积描记(IPPG)技术从视频图像中提取HRV信息,并通过VGG19网络建立表情识别模型,获得人脸表情。将HRV及表情共同作为特征输入,利用支持向量机进行训练分类,实现压力状态与非压力状态的检测。实验结果表明,本方法的压力分类准确率可达到81.4%,能有效提高心理压力检测的准确性,可应用于普通人群、运动员、犯罪人员心理测试等领域。
图像处理 图像分析 心理压力检测 心率变异性 人脸表情