买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种基于多通道面部视频的认知负荷客观测量方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116849604B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310590363.4，技术领域涉及：A61B5/00；该发明授权一种基于多通道面部视频的认知负荷客观测量方法是由韦岗;丰永淳;曹燕;王一歌设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本一种基于多通道面部视频的认知负荷客观测量方法在说明书摘要公布了：本发明公开了一种基于多通道面部视频的认知负荷客观测量方法，记录受试者在执行不同难度心算任务时的多通道面部视频，通过多通道面部视频提取血氧饱和度与脉搏变异性，同时记录心算任务正确率，使用上述指标客观测量认知负荷。步骤如下：通过多个独立摄像头同时采集受试者执行不同难度心算任务时的面部视频，并记录心算任务正确率；从多通道面部视频中提取脉搏波并去噪，将去噪后的脉搏波进行时间同步并融合获得信噪比高的脉搏波，从中提取多种生理指标；基于多名受试者的数据构建数据集并训练分类器，依据分类器输出的后验概率对认知负荷进行量化打分。本发明可以为测量认知负荷提供一种客观、舒适的测量方法。

本发明授权一种基于多通道面部视频的认知负荷客观测量方法在权利要求书中公布了：1.一种基于多通道面部视频的认知负荷客观测量方法，其特征在于，所述认知负荷客观测量方法包括以下步骤： S1、受试者面对多个独立摄像头进行认知负荷实验，采集受试者不同认知负荷水平下的执行心算任务过程中的多通道面部视频，并记录心算任务正确率；其中，所述认知负荷是受试者大脑所调用的认知资源的总量，不同认知负荷水平是通过受试者执行不同难度的心算任务来诱发；每个摄像头获取一个通道的面部视频，多个摄像头得到多通道面部视频； S2、对采集到的多通道面部视频分别进行人脸识别，定位到感兴趣区域，获取感兴趣区域灰度均值以及感兴趣区域的面积，提取出原始脉搏波信号和感兴趣区域面积序列；其中，所述感兴趣区域是用于提取原始脉搏波信号的皮肤区域，位于人脸额头处；所述感兴趣区域面积序列是由面部视频中每一帧图片中感兴趣区域的面积大小组成的序列；过程如下： S201、对采集到的通道1的面部视频进行分帧，得到一个连续的彩色图片序列，图片的格式为RGB，通道1的面部视频是指第一个摄像头采集到的面部视频； S202、对彩色图片序列的每一帧图片，使用基于梯度提高学习的回归树方法进行人脸关键点检测，检测到人脸关键点，并以此定位到人脸的额头部位，作为感兴趣区域； S203、对每一帧图片定位到的感兴趣区域的图像进行颜色通道分离，得到R、G、B通道的图像，同时求出感兴趣区域的面积；针对每个颜色通道的图像，使用感兴趣区域所有像素点的灰度均值作为脉搏波信号的幅值；对一段视频分帧后的图像序列进行处理，按照时间排序，得到R、G、B通道的原始脉搏波信号和1个感兴趣区域面积序列，其中，R、G、B通道的原始脉搏波信号和感兴趣区域面积序列是由一个通道的面部视频提取出的，四者是时间同步的； S204、对采集到的通道2至通道N的面部视频分别执行步骤S201-S203，对每一个通道的面部视频得到R、G、B通道的原始脉搏波信号和1个感兴趣区域面积序列；最终得到包括N个R通道原始脉搏波信号、N个G通道原始脉搏波信号、N个B通道原始脉搏波信号的3N个原始脉搏波信号和N个感兴趣区域面积序列； S3、对所述原始脉搏波信号使用改进的自适应噪声集合经验模态分解，并结合小波阈值降噪和巴特沃斯带通滤波器进行噪声的去除，得到去噪后的脉搏波信号；过程如下： S301、对步骤S2还原得到的原始脉搏波信号，使用改进的自适应噪声集合经验模态分解，得到多个分量，过程如下： S3011、将将L组白噪声经EMD分解得到的第一阶固有模态分量ξ1E1njt分别加上原始信号xt，得到： xjt＝xt+ξ1E1njt,j＝1,2,…,L 其中E1·表示求一个信号EMD分解的第1个IMF分量，ξ1表示第1次分解加入的噪声幅度系数，取值范围为0.1～0.3，njt表示加入的第j组方差为1的零均值白噪声，共L组； 对xjt求局部均值,然后进行集合平均获得第一阶剩余分量res1： 其中M·表示求信号的局部均值； S3012、计算第一阶固有模态分量 S3013、将L组白噪声经EMD分解的第二阶固有模态分量ξ2E2njt分别加上res1，求局部均值及集合平均获得第二阶剩余分量res2： 其中E2·表示求一个信号EMD分解的第2个IMF分量，ξ2表示第2次分解加入的噪声幅度系数，取值范围为0.1～0.3； 最后以第一阶剩余分量减去第二阶剩余分量得到第二阶固有模态分量 S3014、计算剩余分量resk： 其中Ek·表示求一个信号EMD分解的第k个IMF分量，ξk表示第k次分解加入的噪声幅度系数，取值范围为0.1～0.3，K表示IMF分量的数量，k＝3,4,…,K； S3015、计算第k个固有模态分量 S3016、重复执行步骤S3011-S3015，直至剩余项resK不可再继续分解，此时resK就是残差项，原信号xt变为K个IMF分量和残差项的和，如下式所示： S302、使用小波阈值降噪对前三个分量进行降噪； S303、将降噪后的前三个分量与剩余分量叠加，得到重构信号； S304、使用巴特沃斯带通滤波器对重构信号进行带通滤波； S4、提取所述去噪后的脉搏波信号中G通道脉搏波，通过互相关求出多个通道之间的延时，利用延时实现多通道脉搏波信号和感兴趣区域面积序列的时间同步；其中，所述G通道脉搏波是对脉搏波信号进行颜色通道分离得到的绿色通道的脉搏波；过程如下： S401、对经过步骤S3得到的3N个滤波后的脉搏波信号，选择其中的N个G通道的信号使用互相关的方法，求出N个G通道脉搏波信号之间的延时，并作为N个通道之间的延时； S402、根据N个通道间的延时，将N通道面部视频提取出的3N个滤波后的脉搏波信号和N个感兴趣区域面积序列进行时间同步； S5、对于同一时刻，将多个脉搏波中选择相应感兴趣区域面积最大的通道的脉搏波数据作为此时刻的数据，遍历所有时刻，得到融合后的脉搏波；过程如下： S501、对步骤S4得到的时间同步后的N个R通道的脉搏波，对于同一时刻，选择N个感兴趣区域面积序列中感兴趣区域面积最大的通道的脉搏波数据作为这一时刻的数据，遍历所有的时刻，最终得到1个融合后的R通道脉搏波； S502、对步骤S4得到的时间同步后的N个G通道的脉搏波，执行步骤S501，得到1个融合后的G通道脉搏波； S503、对步骤S4得到的时间同步后的N个B通道的脉搏波，执行步骤S501，得到1个融合后的B通道脉搏波； S6、提取所述融合后的脉搏波信号的血氧饱和度和脉搏变异性，融合后的脉搏波信号包含R、G、B三个颜色通道，R代表红色、G代表绿色、B代表蓝色，所述血氧饱和度采用B、R通道的脉搏波进行拟合获得，所述脉搏变异性通过提取G通道的脉搏波的波峰之间的时间间隔获得； S7、对多个被测者出低、中、高三个认知负荷水平下的心算任务，重复步骤S1-S6，得到多个被测者在不同认知负荷水平下的心算任务正确率、血氧饱和度、脉搏变异性指标，形成认知负荷水平分类所需的数据集，然后基于数据集，训练XGBoost分类器； S8、对待测对象出低、中、高三个认知负荷水平下的心算任务，重复步骤S1-S6，得到待测对象低、中、高三个认知负荷水平下的心算任务正确率、血氧饱和度、脉搏变异性指标；将待测对象低、中、高三个认知负荷水平下的心算任务正确率、血氧饱和度、脉搏变异性指标输入训练后的XGBoost分类器中，估计得到分类的后验概率； S9、使用所述分类的后验概率对待测对象的认知负荷水平进行量化评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。