Non-Contact Breathing Rate Detection Using Optical Flow

呼吸频率是一个重要的健康指标，是评估一个人整体健康状况的宝贵指标。近年来，非接触式测量健康信号，如呼吸频率，已经成为一个巨大的发展领域，其应用范围广泛，从远程医疗到驾驶员监测系统。本文提出了一种使用运动检测算法——光流法的非接触式呼吸频率检测方法。光流法通过跟踪身体上特定点的运动成功地测量呼吸频率。本研究评估了使用不同点集时光流法的成功率。测试结果表明，胸部和面部运动都可以用于确定呼吸频率，但成功率不同。胸部生成非常准确的信号，测试视频的均方根误差为0.63。当头部运动较小时，面部点也可以产生可靠的信号，但更容易受到头部/身体运动引起的噪声的影响。这些发现突出了光流法作为一种非侵入性呼吸频率检测方法的潜力，并强调了选择适当的点以优化准确性的重要性。

论文试图探讨使用运动检测算法光流法进行非接触式呼吸率检测的方法，评估使用不同点集时的成功率，以解决非接触式呼吸率检测的问题。

论文的关键思路是使用光流法跟踪身体特定点的运动来测量呼吸率。研究表明，胸部和面部的运动都可以用来测量呼吸率，但准确度不同。胸部产生的信号非常准确，而面部点也可以产生可靠的信号，但更容易受到头部和身体运动引起的噪声的干扰。

实验使用了多个数据集进行测试，并评估了使用不同点集时的成功率。研究表明，光流法可以作为一种非侵入式的呼吸率检测方法，但需要选择适当的点以优化准确性。论文未提供开源代码。

最近的相关研究包括使用深度学习进行非接触式呼吸率检测的方法，如“Non-contact respiratory rate estimation using thermal imaging and deep learning”和“Contactless Respiratory Monitoring in Clinical Settings Using Computer Vision: A Systematic Review”。