基于水下视频的机器人单名水肺潜水员呼吸率检测与估计
Robotic Detection and Estimation of Single Scuba Diver Respiration Rate from Underwater Video
AI总结：
本文提出一种利用水下视频气泡计时的机器人呼吸率估计系统，结合模糊标注与图像处理方法，填补了水下人机交互中潜水员压力监测的空白。
摘要：
人类呼吸率（HRR）是诊断从压力水平到心脏状况等多种健康状况的重要生理指标。在受控陆地环境中，HRR的估计已得到充分研究，然而据我们所知，在水下人机交互（UHRI）场景中，将HRR的机器人估计作为潜水员压力指标的研究尚未被探索。我们引入了一种新颖的系统，通过利用水肺潜水呼气周期产生的气泡来计时呼吸率，从而从水下视觉数据中进行HRR的机器人估计。我们引入了一种模糊标注系统，利用音频信息来标注多样化的潜水员呼吸数据集，并在该数据集上比较了四种不同的方法来表征图像中气泡的存在。最终，我们通过将呼吸率输出与人类分析师进行比较，证明了我们的方法在估计HRR方面的有效性。
英文摘要：
Human respiration rate (HRR) is an important physiological metric for diagnosing a variety of health conditions from stress levels to heart conditions. Estimation of HRR is well-studied in controlled terrestrial environments, yet robotic estimation of HRR as an indicator of diver stress in underwater for underwater human robot interaction (UHRI) scenarios is to our knowledge unexplored. We introduce a novel system for robotic estimation of HRR from underwater visual data by utilizing bubbles from exhalation cycles in scuba diving to time respiration rate. We introduce a fuzzy labeling system that utilizes audio information to label a diverse dataset of diver breathing data on which we compare four different methods for characterizing the presence of bubbles in images. Ultimately we show that our method is effective at estimating HRR by comparing the respiration rate output with human analysts.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
