Ce este îmbunătățirea mișcării? Amplificarea mișcării este atunci când anticipăm în ce fel se amestecă semnalul și îl mișcă mai departe în această direcție.
Să presupunem că avem un receptor unidimensional. Pe acest receptor observăm semnalul I (x, t) = f (x). În imaginea de la ea este trasată în negru (pentru un moment t). În următorul moment de timp, semnalul I (x, t + 1) = f (x + Δ) (albastru). Pentru a amplifica acest semnal, înseamnă să primim un semnal I '(x, t + 1) = f (x + (1 + α) Δ). Aici α este câștigul. După ce l-am extins într-o serie Taylor, el poate fi exprimat ca:
Să presupunem că:
Ce este B? Aproximativ, aceasta este I (x, t + 1) - I (x, t). Să atragem:
Desigur, acest lucru este inexact, dar se va schimba ca aproximație (graficul albastru arată forma unui astfel de semnal "aproximativ"). Dacă înmulțim B cu (1 + α), aceasta va fi "amplificarea" semnalului. Obțineți (grafic roșu):
În cadre reale, pot exista mai multe mișcări, fiecare dintre acestea urmând viteze diferite. Metoda de mai sus este o prognoză liniară, fără îmbunătățire se va rupe. Dar, există o abordare clasică pentru a rezolva această problemă, care a fost folosită în lucrare - pentru a descompune mișcarea prin caracteristici de frecvență (atât spațială cât și temporală).
În prima etapă, imaginea se descompune în frecvențe spațiale. Această etapă, în plus, realizează derivarea diferenței ∂f (x) / ∂x. Prima lucrare nu arată cum le implementează. În a doua lucrare, folosind abordarea de fază, amplitudinea și faza au fost considerate a fi filtre Gabbor de ordine diferite:
Aproximativ așa că am făcut-o, luând filtrul:
Iar raționalizarea valorii sale
Aici l - distanțele pixelului din centrul filtrului. Desigur, am facut un pic mai mic, luand un astfel de filtru doar pentru o valoare a ferestrei σ. Acest lucru a făcut posibilă o accelerare considerabilă a calculelor. În același timp, se obține o imagine ușor mai neclară, dar am decis să nu depun eforturi pentru acuratețe ridicată.
Să ne întoarcem la formule. Să vrem să amplificăm semnalul dând un răspuns caracteristic la ω în secvența noastră de timp a cadrelor. Am selectat deja un filtru spațial caracteristic cu o fereastră σ. Acest lucru ne oferă o diferență aproximativă la fiecare punct. După cum puteți vedea din formule - există doar o funcție temporară care dă un răspuns mișcării noastre și câștigului. Multiplicați cu sine frecvența pe care dorim să o amplificăm (aceasta va fi o funcție care oferă un răspuns de timp). Avem:
Desigur, mult mai ușor decât în articolul original, dar probleme de viteză ușor mai puțin.
Cod și rezultat.
Aici explică în detaliu de ce capul se scutură cu un puls. De fapt, este o întoarcere de la o injectare de sânge de inimă:
Un pic despre frumusete
Caracteristici cantitative
Un maxim evident este observat la frecvențe de 0,6-1,3, ceea ce nu este specific pentru zgomot. Din moment ce respirația nu este un proces sinusoidal, ci un proces care are două izbucniri aparente (atunci când inspiră-expiră), frecvența imaginii diferenței trebuie să fie egală cu rata dublă de respirație. Rata de respirație a fost undeva în jur de 10 respirații în 30 de secunde (0.3 HZ). Dublarea acestuia este de 0,6 Hz. Care este aproximativ egal cu maximul spectrogramului. Dar, desigur, nu este necesar să vorbim despre sensul exact. În plus față de respirație, o mulțime de motilitate fină a corpului este întins, ceea ce marchează considerabil imaginea.
Există un vârf interesant la 2.625HZ. Se pare că se rupe prin grila electrică de pe matrice. Pe benzile de accesare cu crawlere ale matricei care dau cu succes un maxim la această frecvență.
Apropo, rata dublei impulsuri ar trebui să se situeze aproximativ în același interval și, prin urmare, această metodă nu ar trebui să funcționeze pe ea. Și într-adevăr:
În acest spectru, nu puteți găsi impulsul.
Într-una din lucrările MIT este dată o altă metodă de măsurare a frecvenței cardiace: se calculează fluxul optic pe față și se determină prin frecvența acestui flux. Așa că am făcut (și pe grafic, spectrele):
Articole similare
Trimiteți-le prietenilor: