吾征智能技术（北京）有限公司

吾征AI自主研发的非接触远程健康检测和大规模数字健康检测系统是一种新型的监测技术及手段，只需要通过摄像头来捕捉固定皮肤区域由于光照吸收量不同而产生的周期性颜色变化，基于生理信号异常变化特征参数数据以及对应的健康及健康程度的样本特征参数数据，建立人脸视频信号预测人体健康程度的认知参数模型，并对各个参数的采集结果进行计算分析，从而实现智能预测人体健康状况和程度的结果。

吾征AI非接触健康检测情绪版利用先进的计算机视觉和人工智能算法，利用摄像头采集人脸面部视频，通过图片处理来分析视频中人脸皮肤区域的细微颜色变化，估算出脸部毛细血管的血容量变化，获得生理信号。对提取到的信号进行HRV特征分析，获得时域、频域、非线性多维度的特征，结合决策树算法实现心理状态及其等级分类，最终获得结论。

利用人脸视频采集捕捉由心动周期造成的皮肤颜色周期性变化，通过建立双重血压预测模型实现对血压的测量。在血压的测量阶段,通过建立双重血压预测模型实现对血压的测量。即首先，通过脉搏波传导时间建立其与血压的线性关系,根据被测目标相关信息实现对血压的模糊估计。然后,利用训练好的带参数库的改进型BP神经网络实现对血压的精确预测。

吾征AI非接触心理检测（抑郁版）通过人脸视频采集，对提取到的信号进行HRV特征分析，获得时域、频域、非线性多维度的特征，结合决策树算法实现抑郁的等级分类，实现抑郁的综合评分评级、抑郁的中医证型、抑郁相关行为、抑郁健康风险、抑郁相关表现及指标等分析。

在整个睡眠过程中，心脏自主神经活动会发生多种变化，交感神经和副交感神经活动之间产生有规律的波动。吾征AI非接触心理检测（失眠版）通过人脸视频采集，对提取到的信号进行HRV特征分析，获得时域、频域、非线性多维度的特征，结合决策树算法实现失眠的等级分类，实现失眠的综合评分评级、失眠的中医证型、睡眠状况分析、失眠健康风险、失眠的相关表现及指标等分析。

计算机视觉深度学习饮酒检测：基于机器视觉与人脸表情识别的非接触式饮酒检测方法,利用对驾驶员的眼睛闭合程度、嘴巴的张开的程度等特征来推断驾驶员的饮酒状态。这类方法采用摄像头获取驾驶员的面部信息，通过数字图像处理技术对眼睛状态进行实时识别,并通过统计连续视频流中饮酒状态视频帧占比，计算出采集视频下的疑似饮酒概率。

计算机视觉深度学习饮酒检测：基于机器视觉与人脸表情识别的非接触式饮酒检测方法,利用对驾驶员的眼睛闭合程度、嘴巴的张开的程度等特征来推断驾驶员的饮酒状态。这类方法采用摄像头获取驾驶员的面部信息，通过数字图像处理技术对眼睛状态进行实时识别,并通过统计连续视频流中饮酒状态视频帧占比，计算出采集视频下的疑似饮酒概率。

通过测量皮肤表面对光的吸收和反射来监测血液容积变化，对颜色变化信号进行滤波和放大，去除噪声并增强与心率相关的成分通过识别和计算颜色变化信号中的峰值，可以确定心跳的时间间隔，进而计算出心率。

利用人脸视频采集捕捉由心动周期造成的皮肤颜色周期性变化，通过对处理后的脉搏信号数据进行时域分析和频域分析，得到呼吸率信号的特征参数：RR间期均值(MEAN)、RR间期标准差(SDNN)、低频功率(LF)、高频功率(HF)。在呼吸率信号中，首先运用小波变换检测出各主波的波峰，求出两个相邻主波波峰之间的时间差，并运用快速傅里叶变换(FFT)将时域指标变为频域指标，进而准确的推算出呼吸率的结果。

利用人脸视频采集捕捉由心动周期造成的皮肤颜色周期性变化，通过对处理后的信号数RR间期标准差(SDNN)、相邻RR间期差值的平方和的平均值的平方根（RMSSD）、低频功率(LF)、高频功率(HF)、反映交感和副交感神经之间的平衡（LF/HF）等，运用小波变换检测出各主波的波峰，求出两个相邻主波波峰之间的时间差，并运用快速傅里叶变换(FFT)将时域指标变为频域指标，进而推算出心率不齐的结果。

利用高清晰度视频捕捉人脸皮肤区域的细微颜色变化，进而分析脸部毛细血管的血容量变化，提取出精准的脉冲信号。通过对这些脉冲信号的处理和分析，获得心率、呼吸频率、心率变异性等信息，进一步获得房颤的结果推理。

利用人脸视频采集捕捉由心动周期造成的皮肤颜色周期性变化，通过对处理后的脉搏信号数据进行时域分析和频域分析，得到RR间期均值(MEAN)、RR间期标准差(SDNN)、低频功率(LF)、高频功率(HF)。在脉搏信号中，首先运用小波变换检测出各主波的波峰，求出两个相邻主波波峰之间的时间差，并运用快速傅里叶变换(FFT)将时域指标变为频域指标，得到LF和HF，进而准确的推算出脉搏率的结果。