买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江师范大学申请的专利基于深度学习的非接触式血压检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120336833B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510819573.5，技术领域涉及：G06F18/2131；该发明授权基于深度学习的非接触式血压检测方法及系统是由熊继平;方宏利;朱磊设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本基于深度学习的非接触式血压检测方法及系统在说明书摘要公布了：本发明公开了基于深度学习的非接触式血压检测方法及系统，涉及计算机视觉技术领域，包括：步骤1：拍摄人脸视频，采集数据集；步骤2：通过人脸视频提取逐帧图片，计算平均像素值得到IPPG信号；步骤3：构建IPPG‑Mamba网络模型，并利用提取出的IPPG信号数据集训练IPPG‑Mamba网络模型，获得血压检测模型；步骤4：采集待检测的人脸视频文件，并提取出IPPG信号；步骤5：将待检测的IPPG信号输入至血压检测模型，获得血压检测结果。本发明使用的网络模型结合了HRV特征提取和改进型CNN‑MambaBlock，通过多特征融合以及新型的网络结构设计，能够更好地提取IPPG信号的脉搏波特征，提高血压预测的准确度。

本发明授权基于深度学习的非接触式血压检测方法及系统在权利要求书中公布了：1.一种基于深度学习的非接触式血压检测方法，其特征在于，包括以下步骤： 步骤1：采集人脸视频样本，包括人脸视频和血压数据； 步骤2：从人脸视频中提取逐帧图像，并计算图像中的像素均值，生成IPPG信号； 步骤3：构建IPPG-Mamba网络模型，并根据IPPG信号和血压数据对IPPG-Mamba网络模型进行训练，获得血压检测模型；IPPG-Mamba网络模型包括HRV特征提取单元、CNN-MambaBlock、回归层和前馈神经网络；HRV特征提取单元提取HRV特征序列；CNN-MambaBlock是结合CNN网络和小波变换卷积的MambaBlock改进的网络模块，提取融合特征；回归层对融合特征进行特征整合获得深度特征；前馈神经网络对HRV特征序列和深度特征进行融合，预测血压检测结果； 步骤4：采集待检测人脸视频，提取逐帧图像，并计算图像中的像素均值，生成待检测IPPG信号； 步骤5：将待检测IPPG信号输入至血压检测模型进行检测，获得血压检测结果； CNN-MambaBlock包括均方根归一化层、两组线性层、CNN网络模块、激活函数、选择状态空间模型和两组残差模块；CNN网络模块包括两组变换模块和丢弃层，每组变换模块包括一维小波变换卷积层、批量归一化层和一维最大池化层；第一组残差模块包括线性层和激活函数；血压检测模型进行检测的过程为： 步骤31：HRV特征提取单元通过峰值检测从IPPG信号中提取RR间期，并根据RR间期计算HRV特征序列； 步骤32：均方根归一化层对IPPG信号进行归一化，获得归一化输入信号； 步骤33：第一组线性层对归一化输入信号进行线性变换，获得线性特征；第一组残差模块的线性层对归一化输入信号进行线性变换和引入非线性，获得第一残差特征； 步骤34：第一组线性层输出的线性特征经过CNN网络模块获得多尺度卷积特征，并通过激活函数引入非线性，获得非线性特征； 第一组线性层输出的线性特征依次经过两组变换模块的特征提取和丢弃层的部分特征丢弃，获得多尺度卷积特征；每组变换模块的特征提取过程为： 一维小波变换卷积层中小波变换模块对线性特征进行小波变换，将线性特征分解到不同频率子带，获得多尺度特征；一维卷积模块对多尺度特征进行一维卷积操作，提取各频率子带局部特征；逆小波变换模块根据不同频率子带局部特征重构原始信号空间，实现对线性特征多尺度深层次特征的提取，获得多尺度深度特征； 批量归一化层对多尺度深度特征进行归一化，获得多尺度高维归一化特征，减少内部协变量偏移，提升模型训练稳定性； 一维最大池化层以设定的池化窗口和步长对多尺度高维归一化特征进行降维，在减少数据量的同时保留关键特征，降低模型计算量和过拟合风险，获得多尺度卷积特征； 步骤35：选择状态空间模型通过递归根据非线性特征选择性的处理信息，获得选择特征，并对选择特征和第一残差特征进行乘法操作，乘法结果； 步骤36：第二组线性层对乘法结果进行线性变换，获得乘法线性特征，并结合第二组残差模块传输的IPPG信号进行加法操作，获得融合特征，再经过回归层进行特征整合，获得深度特征； 步骤37：前馈神经网络对HRV特征序列和深度特征进行融合，预测收缩压和舒张压，获得血压检测结果； 步骤31的具体过程为： 步骤311：对IPPG信号s＝{s1,s2,...,sw}进行一阶差分操作，得到差分序列Δs＝{s2-s1，s3-s2，sw-sw-1}，w表示IPPG信号长度；将差分序列中满足Δs[i-1]0且的Δs[i-1]第i个位置标记为峰值Pi，保留峰值构建峰值索引序列{P1,P2，...，Pn}，n表示峰值索引序列的序列长度，结合采样频率fs计算RR间期；RR间期表示为： ri表示第i个位置的RR间期； 步骤312：计算HRV的时域特征和频域特征； 计算HRV的频域特征，对RR间期序列rr_intervals＝[r1，r2，…，rn]进行傅里叶变换得到频率序列frequencies＝[f1,f2,...,fn]，并计算频率序列中每个频率的功率谱密度得到对应的PSD序列power＝[p1,p2,...,pn]； 从频率序列中筛选出低频段频率构建低频索引集合Ilf＝{j：0.04≤fj＜0.15，j＝1，…，m}，f表示频率，m表示低频段频率个数；低频段的频率范围为0.04≤f＜0.15，根据低频索引集合对应的PSD序列位置计算低频功率p表示功率谱密度；pj表示PSD序列中第j个位置的功率谱密度，pj+1表示PSD序列中第j+1个位置的功率谱密度；fj+1表示低频索引集合中第j+1个位置的频率；fj表示低频索引集合中第j个位置的频率； 从频率序列中筛选出高频段频率构建高频索引集合Ihf＝{j:0.15≤fj0.4,j＝1,…,v}，v表示高频段频率个数，高频段的频率范围为0.15≤f＜0.4，根据高频索引集合对应的PSD序列位置计算高频功率 计算低频与高频功率之比LFHF：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江师范大学，其通讯地址为：321004 浙江省金华市迎宾大道688号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。