基金项目：浙江工商职业技术学院大学生科技创新项目（编号：0020730412）。
摘要：本文首先介绍了心脏健康诊断系统，系统主要有两个功能，一个是利用手机摄像头来获取人体的心率，改进现有的波峰波谷检测算法，使其运行效率更好，消除视频采集过程中的噪声干扰。另一个是利用其提取和分析获得的特征数据诊断心脏的健康状态。然后有易到难把整个项目分解为多个模块，把学生创新项目成果应用到计算课程教学中。
关键词：课程案例；心脏健康诊断；实训
1引言
课程教学中需要课程案例，计算机相关专业的专业课程需要真实的项目作为教学案例，但是企业的很多项目比较大比较复杂，因此很难直接作为课程教学案例。为了鼓励学生开展创新创业活动，一些高职院校支持学生开展项目开发，因此把教师指导学生开发的项目进行改造作为课程教学案例非常合适。教师在指导学生申报科技项目时就可以以此作为目标之一。下面以《心脏健康诊断项目》为例介绍项目开发和教学案例的转化过程。
2心脏健康诊断技术开发
心脏健康诊断系统分为三个模块，第一模块是心率分析。从视频中采集帧信号，然后在帧信号中提取波峰、波谷、心率、节奏等信号。第二个模块在第一个模块的特征中进行二次计算，提取与心脏健康相关的特征，如偏度、峰度、比率等。第三个模块是用机器学习算法融合特征产生健康分数。
图1系统流程图
2.1心率分析
首先读取视频信息，可以使用Python技术或者.NET技术，目前在这两个技术中有成熟的框架来处理视频信息。在视频处理过程中本文没有考虑时域信息，主要是以帧为单位进行处理，把每帧的处理结果整合成整个视频的信息。对帧进行常规的统计算法，对帧的红色通道进行分析，获得波峰波谷信息，对波峰波谷信息进行平滑和统计，得到心率。
2.2心脏健康相关的特征提取
心脏的泵血的动能可以衡量心脏的肌肉健康程度，因此提取红色通道的最大值来衡量心脏肌肉的动能。正常情况下心脏的跳动是有节奏的，稳定的，可以以5秒为一个统计时间段，计算心率的方差来衡量心脏的稳定性。由于手指按住摄像头，帧的中心部分红色通道的值最大，向周围逐渐递减，因此可以对每个帧的红色通道去中值，然后用广义高斯模型拟合，提取峰度和偏度作为特征。
2.3特征融合
本文采用简单成熟的机器学习算法，支持向量机有C语言版本能非常方便的嵌入到程序中。为了给训练过程提供标签，需要建立仿真测试数据库。本项目邀请25个测试者来做实验，一般来说要保证20人以上来保证统计意义，因此25人可以满足训练的要求。随机选取25个同学中的20个同学信息输入支持向量机，训练支持向量机获得训练模型，然后用其余的5个同学来测试模型的准确程度。
3实训过程设计
由于要进行视频处理，需要用到专门的框架，因此python和.net技术所采用的框架是不一样的，因此模块一为选择要采用的技术，掌握基本的框架调用方法。模块二为心率分析模块，掌握从视频中提取心率的技术。模块三为提取与心脏健康相关的特征。模块四为调用支持向量机融合特征。
作者简介：李伟建，男，浙江工商职业技术学院，学生，主要研究方向为物联网技术；
通信作者：马华林，男，浙江工商职业技术学院，副教授，硕士，主要研究方向为信号处理。
论文作者:李伟建 马华林
论文发表刊物:《知识-力量》2019年9月32期
论文发表时间:2019/7/18
标签：心脏论文; 心率论文; 模块论文; 项目论文; 健康论文; 特征论文; 波谷论文; 《知识-力量》2019年9月32期论文;