Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2016. / Conforme o sangue flui através do corpo de um indivíduo, ele muda a forma como a luz é irradiada pela pele, pois o sangue absorve luz de forma diferente dos outros tecidos. Essa sutil variação pode ser capturada por uma câmera e ser usada para monitorar a atividade cardíaca de uma pessoa. O sinal capturado pela câmera é uma onda que representa as variações de tonalidade da pele ao longo do tempo. A frequência dessa onda é a mesma frequência na qual o coração bate. Portanto, o sinal capturado pela câmera pode ser usado para estimar a taxa cardíaca de uma pessoa. Medir o pulso cardíaco remotamente traz mais conforto pois evita o uso de eletrodos. Também permite o monitoramento de uma pessoa de forma oculta para ser empregado em um detector de mentira, por exemplo. Neste trabalho nós propomos dois algoritmos para a estimação da taxa cardíaca sem contato usando câmeras convencionais sob iluminação não controlada. O primeiro algoritmo proposto é um método simples que emprega um detector de face que identifica a face da pessoa sendo monitorada e extrai o sinal gerado pelas mudanças no tom da pele devido ao fluxo sanguíneo. Este algoritmo emprega um filtro adaptativo para aumentar a energia do sinal de interesse em relação ao ruído. Nós mostramos que este algoritmo funciona muito bem para vídeos com pouco movimento. O segundo algoritmo que propomos é uma melhora do primeiro para torná-lo mais robusto a movimentos. Nós modificamos o método usado para definir a região de interesse. Neste algoritmo é utilizado um detector de pele para eliminar pixels do plano de fundo do vídeo, os frames dos vídeos são divididos em micro-regiões que são rastreados com um algoritmo de fluxo ótico para compensar os movimentos e um algoritmo de clusterização é aplicado para selecionar automaticamente as melhores micro-regiões para efetuar a estimação da taxa cardíaca. Propomos também um esquema de filtragem temporal e espacial para reduzir o ruído introduzido pelo algoritmo de fluxo ótico. Comparamos os resultados dos nossos algoritmos com um oxímetro de dedo comercial e mostramos que eles funcionam bem para situações desafiadoras. / As the blood flows through the body of an individual, it changes the way that light is irradiated by the skin, because blood absorbs light differently than the remaining tissues. This subtle variation can be captured by a camera and be used to monitor the heart activity of a person. The signal captured by the camera is a wave that represents the changes in skin tone along time. The frequency of this wave is the same as the frequency by which the heart beats. Therefore, the signal captured by the camera could be used to estimate a person’s heart rate. This remote measurement of cardiac pulse provides more comfort as it avoids the use of electrodes or others devices attached to the body. It also allows the monitoring of a person in a canceled way to be employed in lie detectors, for example. In this work we propose two algorithms for non-contact heart rate estimation using conventional cameras under uncontrolled illumination. The first proposed algorithm is a simple approach that uses a face detector to identify the face of the person being monitored and extract the signal generated by the changes in the skin tone due to the blood flow. This algorithm employs an adaptive filter to boost the energy of the interest signal against noise. We show that this algorithm works very well for videos with little movement. The second algorithm we propose is an improvement of the first one to make it more robust to movements. We modify the approach used to define the region of interest. In this algorithm we employ a skin detector to eliminate pixels from the background, divide the frames in microregions that are tracked using an optical flow algorithm to compensate for movements and we apply a clustering algorithm to automatically select the best micro-regions to use for heart rate estimation. We also propose a temporal and spatial filtering scheme to reduce noise introduced by the optical flow algorithm. We compared the results of our algorithms to an off-the-shelf fingertip pulse oximeter and showed that they can work well under challenging situations.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2016. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-06-27T13:16:54Z No. of bitstreams: 1 2016_DiegoArmandoBenavidesVidal.pdf: 6256311 bytes, checksum: 032b7fb7441d8dc32be590f67a1be876 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-08-15T10:55:01Z (GMT) No. of bitstreams: 1 2016_DiegoArmandoBenavidesVidal.pdf: 6256311 bytes, checksum: 032b7fb7441d8dc32be590f67a1be876 (MD5) / Made available in DSpace on 2017-08-15T10:55:01Z (GMT). No. of bitstreams: 1 2016_DiegoArmandoBenavidesVidal.pdf: 6256311 bytes, checksum: 032b7fb7441d8dc32be590f67a1be876 (MD5) Previous issue date: 2017-08-15 / A detecção ocular é um problema aberto em pesquisa a ser resolvido eficientemente por detecção facial em sistemas de segurança. Características como precisão e custo computacional são consider- ados para uma abordagem de sucesso. Nós descrevemos uma abordagem integrada que segmenta os ROI emitidos por um detector Viola e Jones, constrói características HOGs e aprende uma função especial para mapear essas características para um espaço dimensional elevado onde a detecção alcança uma melhor precisão. Esse mapeamento segue a eficiente abordagem de funções Kernel, que se mostrou possível mas não foi feita para esse problema antes. Um classificador SVM linear é usado para detecção ocular através dessas características mapeadas. Experimentos extensivos são mostrados com diferentes bancos de dados e o método proposto alcança uma precisão elevada com baixo custo computacional adicional do que o detector Viola e Jones. O método também podem ser estendido para lidar com outros modelos equivalentes. / Eye detection is a open research problem to be solved efficiently by face detection and human surveillance systems. Features such as accuracy and computational cost are to be considered for a successful approach. We describe an integrated approach that takes the outputted ROI by a Viola and Jones detector, construct HOGs features on those and learn an special function to mapping these to a higher dimension space where the detection achieve a better accuracy. This mapping follows the efficient kernels match approach which was shown possible but had not been done for this problem before. Linear SVM is then used as classifier for eye detection using those mapped features. Extensive experiments are shown with different databases and the proposed method achieve higher accuracy with low added computational cost than Viola and Jones detector. The approach can also be extended to deal with other appearance models.