一种基于自适应特征融合和关键区域划分的非接触心率监测方法及系统

本发明提出了一种基于自适应特征融合和关键区域划分的非接触心率监测方法及系统，首先获取人脸检测数据集，构建多尺度特征提取网络，以不同卷积核大小的卷积层并行处理输入的面部视频帧，完成多尺度特征提取。接着设计AFFM自适应特征融合模块，运用SE‑Net的通道注意力机制，获取通道和空间注意力权重，融合不同尺度特征图并增强特征表达，得到用于人脸检测的特征图。然后选定人脸关键区域，借助深度学习语义分割模型划定区域边界，提取各区域不同时刻光强度信息，经线性加权融合模型整合得到全面的心率信号源。最后利用滤波器技术去噪，结合滑动窗口检测光强度峰值，进而得出心跳周期和心率值。