Andningsdetektion används ofta för att analysera människokroppens fysiologiska tillstånd, sömnkvalitet och andra tillämpningar. Traditionell andningsdetektion måste använda kontaktanordningar, men de tenderar att orsaka obehag för testpersonen och kan lätt lossna på grund av kroppsrörelser, vilket orsakar olägenheter vid användning. Icke-kontakt detektion genom bildsensorer kan undvika dessa problem. I denna artikel kommer vi att introducera en andningsdetektionslösning som referens för relaterad produktutveckling.
Icke-kontakt detektion förbättrar prestanda
Andning är en viktig fysiologisk signal för människor, och genom att detektera andningsprocessen hos subjektet kan subjektets hälsotillstånd speglas. Med hjälp av algoritmanalys kan subjektets fysiska tillstånd och sömnkvalitet analyseras, och det kan också tillämpas för att detektera förarens mentala tillstånd, diagnostisera andningsuppehåll eller övervaka sömnstatus hos äldre och spädbarn, så att andningsuppehåll kan upptäckas så tidigt som möjligt för att undvika olyckor. Den traditionella andningsdetektionsutrustningen måste användas för att detektera förarens mentala tillstånd, diagnostisera andningsuppehåll eller övervaka sömnstatus hos äldre och spädbarn.
Traditionella andningsdetektionsenheter måste fästas på subjektets kropp, vilket orsakar obehag för subjektet och är också benägna att lossna på grund av att subjektet rullar över eller rör sig för mycket, vilket leder till detektionsfel. Den nya andningsdetektionsenheten använder en bildsensor för att fånga subjektets bild, som sedan jämförs och analyseras med artificiell intelligens (AI) algoritmer för att detektera subjektets andningsstatus, vilket undviker nackdelen med kontaktanordningar.
Andningsfrekvensdetektion via AI-algoritm
Den andningsdetektionslösning som presenteras i denna artikel använder den senaste AI-videoförstärkningsteknologin, som kan förstärka mikrorörelser hos människokroppen, till exempel kommer bröstkorgen och buken att höjas och sänkas på grund av andning, så att andningsfrekvensen kan beräknas. Lösningen samarbetar med en tredjepartsforskningsinstitut i Hongkong, använder OpenCV och TensorFlow Lite-bibliotek för AI-algoritmer och kombineras med produkter från olika leverantörer, inklusive NXP:s kameraplattform, ON Semiconductors Wi-Fi-modul och Muratas Wi-Fi-modul, för att bilda en komplett andningsdetektionslösning.
Lösningen använder OpenCV och TensorFlow Lite-bibliotek för AI-algoritmer och kombineras med produkter från olika leverantörer, inklusive NXP:s AI-plattform, ON Semiconductors kamera och Muratas Wi-Fi-modul, för att bilda en komplett andningsdetektionslösning.
Denna andningsdetektionslösning använder kameran för att fånga subjektet och utföra rörelsezoom-bildbehandling, vilket kan bestämma egenskaperna hos andningsrytmen, den zoomar in på bröstets upp- och nedåtrörelser och definierar samtidigt scenens tillstånd. När det finns en instabil scen avbryts detekteringen tills bilden stabiliseras och det inte finns någon störning från bakgrunden eller kroppen är stabil, och den kan justera tröskeln för att säkerställa stabilitet, och tröskelparametern kan justeras för att motsvara olika applikationsmiljöer.
Denna artikel introducerar en avancerad andningsdetektionslösning som utnyttjar avancerad AI-videoförstärkningsteknologi för att förstärka de subtila rörelser som är förknippade med andning, såsom bröstets och buken upp- och nedgång. Utvecklad i samarbete med ett tredjepartsforskningsinstitut i Hongkong använder lösningen OpenCV och TensorFlow Lite-biblioteken för sina AI-algoritmer. Den integrerar komponenter från flera leverantörer för att skapa ett omfattande system, inklusive NXP:s AI-plattform, ON Semiconductors kamera och Muratas Wi-Fi-modul.
Systemet fångar bilder med en kamera och bearbetar dem med rörelsezoom-bildbehandlingstekniker. Denna metod fokuserar på bröstets mikrorörelser för att analysera andningsrytmer. Lösningen övervakar också scenens stabilitet; den avbryter detektering vid "instabila scener" tills bilden och bakgrunden stabiliseras för att undvika störningar. Dessutom har den justerbara tröskelparametrar för att anpassa sig till olika applikationsmiljöer, vilket säkerställer pålitlig och noggrann detektion.
Denna andningsdetektionslösning är byggd på NXP i.MX 8M Mini-datorplattformen, med en fyrkärnig ARM Cortex-A53-processor, en Cortex-M4 och en GPU. Den stöder AI-motorer som TensorFlow Lite och OpenCV. Systemet använder ett RGB-kameradotterkort integrerat i i.MX utvecklingsverktygssviten för bildfångst. En AI-bildalgoritm bearbetar dessa signaler för att mäta andningsfrekvensen. Resultaten kan antingen visas på en HDMI-kompatibel skärm eller trådlöst överföras via WiFi till molnet för lagring och senare hämtning.
Slutsats
Nackdelarna med traditionella kontaktbaserade andningsdetektionsenheter kan förbättras med icke-kontakt bilddetektionsteknologi. I kombination med AI-algoritmer kan detektionsnoggrannheten förbättras avsevärt, och det är en av de bästa andningsdetektionsteknologierna för närvarande. Denna artikel tillhandahåller en komplett hårdvaru- och mjukvarureferensdesign för andningsdetektionsapplikationer, som kan användas som referens för relaterade produktutvecklare för att påskynda produktutvecklingen och få ut produkter på marknaden så snart som möjligt.
