發(fā)布時間：2020-11-18 17:23

　　 新生兒患有癲癇,并不懂怎樣正確表達(dá)自己的癥狀,只能由家人和醫(yī)生去觀察,去判斷。新生兒癲癇傳統(tǒng)檢測分為腦電圖檢測和運動檢測,它們非常耗時,費用昂貴,是限制性和侵入式的,新生兒存在感染的風(fēng)險。我們采用視頻檢測,通過智能手機(jī)獲取新生兒運動視頻,然后處理視頻信號,檢測不尋常運動。視頻檢測準(zhǔn)確、快速、低費用,是非接觸、非限制性和非侵入性的,而且對新生兒不會引起皮膚相關(guān)并發(fā)癥,身體運動也沒有受到限制,彌補(bǔ)了傳統(tǒng)檢測的缺陷,是檢測新生兒癲癇的最佳選擇。本研究主要針對陣攣性癲癇,其發(fā)作的特征是身體各部分的周期性往復(fù)運動,因此,通過檢測身體各部分運動的周期性,就可以判斷新生兒是否患有癲癇。研究采用感知哈希法提取出關(guān)鍵幀序列以去除冗余信息;采用背景差分法和自動閾值法將目標(biāo)和背景分離開來;使用幀間差分法和平坦圓盤元素去除噪聲和不動部分;使用三種方法進(jìn)行周期性檢測,分別是平均亮度信號提取法、黑色像素點數(shù)統(tǒng)計法和質(zhì)心坐標(biāo)提取法,通過對比,選擇黑色像素點數(shù)統(tǒng)計法和平均亮度信號提取法二者結(jié)合的方法作為論文周期性檢測方法;最后,采用現(xiàn)實新生兒視頻進(jìn)行檢測驗證。特點:使用感知哈希法提取關(guān)鍵幀,改進(jìn)了傳統(tǒng)感知哈希法,確定了理想閾值,去除了冗余信息,提高了檢測效率;使用形態(tài)學(xué)法中平坦圓盤元素閉運算提取運動部分,更加精確;改進(jìn)了傳統(tǒng)的彩色圖像平均亮度信號提取法,提出了灰度圖像平均亮度信號提取法,更簡單,周期性檢測效果更明顯;提出了黑色像素點數(shù)統(tǒng)計法;最后將3種周期性檢測算法運用到現(xiàn)實新生兒癲癇檢測中,繪出了相關(guān)曲線,更直觀地判斷出新生兒是否患有癲癇。
【學(xué)位單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R742.1;TP391.41
【部分圖文】：

圖2.1分出的彩色幀

圖2.2分出的灰度幀

感知哈希法提取的關(guān)鍵幀數(shù)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅敏;劉洞波;文浩軒;陳鑫海;宋丹;;基于背景差分法和幀間差分法的車輛運動目標(biāo)檢測[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2019年04期

2 馮訓(xùn)偉;;一種結(jié)合幀間差分法與光流法的運動目標(biāo)檢測[J];法制博覽;2017年03期

3 何烈云;;幀間差分法車速測算技術(shù)誤差分析與處理[J];中國人民公安大學(xué)學(xué)報(自然科學(xué)版);2014年01期

4 李亮;羅毅;;幀間差分法在視頻監(jiān)控中的應(yīng)用研究[J];四川理工學(xué)院學(xué)報(自然科學(xué)版);2015年06期

5 趙婷;鄭紫微;;基于改進(jìn)的幀間差分運動目標(biāo)提取算法[J];無線通信技術(shù);2016年02期

6 劉麗娜;;基于幀間差分的智能視頻實時運動目標(biāo)提取模式研究[J];電腦編程技巧與維護(hù);2015年04期

7 袁偉;王金明;吳加明;秦水介;;基于連續(xù)幀間差分和背景差分法在輸液速度檢測中的研究[J];電子設(shè)計工程;2015年14期

8 林雯;;新型基于幀間差分法的運動人臉檢測算法研究[J];計算機(jī)仿真;2010年10期

9 沈瑜;王新新;;基于背景減法和幀間差分法的視頻運動目標(biāo)檢測方法[J];自動化與儀器儀表;2017年04期

10 李延軍;黃國勇;;基于幀間差分的火災(zāi)預(yù)警研究[J];微計算機(jī)應(yīng)用;2010年10期

相關(guān)博士學(xué)位論文 前2條

1 楊德貴;基于紅外序列圖像的地物類型反演、目標(biāo)檢測與被動測距研究[D];國防科學(xué)技術(shù)大學(xué);2010年

2 朱娟娟;電子穩(wěn)像理論及其應(yīng)用研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 李齊杰;提取視頻特征以實時檢測新生兒癲癇[D];長安大學(xué);2019年

2 吳家俊;基于高速視覺的運動目標(biāo)檢測與跟蹤[D];中國科學(xué)技術(shù)大學(xué);2019年

3 王慧;基于FPGA的獨居老人摔倒檢測智能燈[D];哈爾濱理工大學(xué);2018年

4 劉彥奎;基于視覺的井下目標(biāo)檢測與跟蹤算法研究[D];西安科技大學(xué);2018年

5 趙然;基于FGD技術(shù)的公交車客流檢測系統(tǒng)的開發(fā)[D];山東師范大學(xué);2017年

6 馮堯文;基于幀間差分的運動目標(biāo)穩(wěn)健檢測方法[D];哈爾濱工業(yè)大學(xué);2011年

7 王二力;紅外監(jiān)控系統(tǒng)中關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2006年

8 喬文;基于圖像序列的目標(biāo)檢測與跟蹤方法的研究[D];河北大學(xué);2010年

9 胡敬舒;基于幀間差分的運動目標(biāo)檢測[D];哈爾濱工程大學(xué);2013年

10 李欣;基于智能視頻監(jiān)控的多目標(biāo)檢測與跟蹤[D];武漢科技大學(xué);2013年

本文編號：2888982