Bachelorarbeit, 2019
30 Seiten, Note: 1
1 Einleitung
2 Literaturrechereche
2.1 Medizinsiche Grundlagen
2.2 aktuelle Methoden zur kamerabasierten Photoplethysmografie
3 Methoden
3.1 Signal-Extraktion
3.2 Ermittlung des Pulssignals
3.3 Ermittlung der Herzrate
4 Performance Analyse
4.1 Versuchsdurchführung
4.2 Ergebnisse und Diskussion
5 Fazit
Das Hauptziel dieser Arbeit ist die Implementierung und Evaluation eines Verfahrens zur kontaktlosen Messung der Herzrate (remote Photoplethysmography, rPPG) mittels einer handelsüblichen Kamera. Im Fokus steht die Entwicklung eines Algorithmus, der durch die Auswertung von Videosignalen und die Definition einer Region of Interest (ROI) robuste Vitalparameter in Echtzeit extrahiert.
3.1 Signal-Extraktion
Es wurde bereits festgestellt, dass vor allem das Gesicht eine qualitative Quelle für das rPPG-Signal ist. Um den Bereich des Gesichts von der restlichen Umgebung im Bild zu trennen, muss eine Gesichtserkennung angewendet werden. OpenCV bietet dazu eine auf Deep Learning basierte, vortrainierete Gesichtserkennung an. Diese beruht auf dem Prinzip des Single Shot MultiBox Detector (SSD) [7]. Dabei bedeutet Singe Shot, dass die Aufgabe der Objekteingrenzung in einem einzelnen Vorwärts-Durchlauf durch das neuronale Netzwerk stattfindet. Multi Box ist der Name der Bounding Box regression Technik von Szegedy et al. [11]. Es werden Default-Boxen unterschiedlicher Skalierungen über das Bild gelegt und geprüft mit, welcher Sicherheit diese übereinstimmen.
Man erhält als Rückgabewert die Eckpunkte, welche die ROI orthogonal eingrenzen. Das Gesicht wird im Zuge dessen äußerst zuverlässig erkannt, auch wenn der Kopf etwas geneigt ist und man nicht vollkommen gerade in die Kamera blickt. Ein Schwachpunkt ist jedoch, dass sich die ROI, in Bezug auf die Position, etwas unruhig verhält. Dies lässt sich dadurch begründen, dass das Gesicht mit jedem Frame erneut erkannt werden muss und das Gesicht zwischen zwei Frames nie genau auf der selben Position verharrt. Problematisch wird dies, wenn später das Pulssignal extrahiert werden soll, da dadurch Artefakte entstehen, die möglicherweise das Pulssignal dominieren. Ein Ansatz besteht darin, die ROI nicht für jeden Frame komplett neu zu definieren, sondern die Position der ROI aus dem vorherigen Frame mittels dem Verfahren der exponentiellen Glättung einfließen zu lassen. Als effektiv hat sich für das Gewicht λ = 0.9 herausgestellt. Die nun erhaltene ROI bewegt sich bei Stillhalten des Kopfes nahezu nicht mehr.
1 Einleitung: Dieses Kapitel führt in die Thematik der kontaktlosen Pulsmessung ein und erläutert die Zielsetzung sowie das methodische Vorgehen der Arbeit.
2 Literaturrechereche: Hier werden die medizinischen und physikalischen Grundlagen der Photoplethysmografie sowie bestehende wissenschaftliche Ansätze zur Umsetzung von rPPG detailliert dargestellt.
3 Methoden: Dieses Kapitel beschreibt die technische Umsetzung, von der Gesichtserkennung über die Signalaufbereitung bis hin zur mathematischen Extraktion der Herzrate aus dem Kamerabild.
4 Performance Analyse: In diesem Teil wird die Validität und Reliabilität des entwickelten Algorithmus anhand von praktischen Versuchen unter verschiedenen Bedingungen geprüft und diskutiert.
5 Fazit: Das Fazit fasst die Ergebnisse zusammen und bewertet die Eignung der Methode für verschiedene Anwendungsszenarien sowie das Potenzial für zukünftige Optimierungen.
rPPG, Photoplethysmografie, Herzrate, Vitalparameter, Signalverarbeitung, Gesichtserkennung, ROI, POS-Algorithmus, Bewegungsartefakte, Bildverarbeitung, Pulsfrequenz, Kontaktlose Messung, Kamerabasierte Diagnostik, Python, OpenCV
Die Arbeit befasst sich mit der kontaktlosen Messung der menschlichen Herzrate unter Verwendung einer Standard-Kamera durch ein Verfahren namens remote Photoplethysmography (rPPG).
Die zentralen Felder sind die medizinischen Hintergründe des Blutvolumenpulses, die mathematische Modellierung der Hautreflexion sowie die praktische Implementierung von Algorithmen zur Signalverarbeitung.
Das primäre Ziel ist die Implementierung eines rPPG-Verfahrens, das zuverlässig Herzraten aus Videosignalen einer Webcam extrahiert, und die anschließende Validierung dieser Ergebnisse durch einen Vergleich mit medizinischen Referenzgeräten.
Es wird der sogenannte POS-Algorithmus (Plane-orthogonal-to-skin) eingesetzt, der darauf abzielt, durch Projektion des RGB-Farbsignals auf eine spezifische Ebene Störeinflüsse wie Lichtänderungen und Bewegungsartefakte zu eliminieren.
Der Hauptteil gliedert sich in die theoretische Literaturrecherche, die methodische Software-Implementierung mittels Python und OpenCV sowie eine ausführliche Performance-Analyse, in der verschiedene Anwendungsszenarien getestet werden.
Wichtige Begriffe sind rPPG, Herzrate, Signalverarbeitung, Region of Interest (ROI), Bewegungsartefakte und die mathematische Signalextraktion.
Die ROI bestimmt, welche Hautpartien analysiert werden; eine präzise Wahl ist notwendig, um die pulsatilen Informationen der Haut von Hintergrundstörungen und Bewegungsartefakten zu isolieren.
Die Qualität der Kamera, insbesondere hinsichtlich Farbechtheit und Schärfe, ist entscheidend, da das rPPG-Verfahren auf sehr feine Farbänderungen im Bild angewiesen ist, die bei minderwertigen Sensoren verloren gehen können.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

