Tendencias en el procesamiento digital de

Señales Imágenes VisiónArtificial

www.uan.edu.co

Memorias XVIII Simposio de Tratamiento de Señales, Imágenes y Visión Artificial

STSIVA 2013

www.uan.edu.co

Tendencias en el procesamiento digital de señales, imágenes y visiór artificial Memorias XVIII Simposio de tratamiento de señales, imágenes y visión artificialSTSIVA 2013

© Fondo Editorial, Universidad Antonio NariñoISBN: 978-958-8687-29-2

Comité Organizador Ing. Andrés Felipe Ruiz O. Ph.D. (Universidad Antonio Nariño)Ing. Paula Helena Reyes H. Ph.D. (Universidad Antonio Nariño)Ing. Álvaro David Orjuela C. M.Sc. (Universidad Antonio Nariño)Ing. Edwin Alexander Cerquera S. Ph.D. (Universidad Antonio Nariño)Ing. Marco Antonio Jinete (Universidad Antonio Nariño)Ing. Andrés Leonardo Jutinico M.Sc. (Universidad Antonio Nariño)Ing. Andrés Eleazar Jaramillo V. Ph.D. (Universidad Antonio Nariño)Ing. Ella Cecilia Escandón M.Sc. (Universidad Antonio Nariño)Ing. Diego Ferney Gómez C. Ph.D. (Universidad Antonio Nariño)Ing. Pedro Raúl Vizcaya G. Ph.D. (Pontificia Universidad Javeriana, Bogotá)Ing. Hernán Darío Benítez R. Ph.D.(Pontificia Universidad Javeriana, Cali)

Rectora: Marta LosadaVicerrector Académico: Víctor Hugo Prieto Vicerrector de Ciencia Tecnología e Innovación: Carlos ArroyaveDirectora Fondo Editorial: Lorena Ruiz SernaCoordinador de Publicaciones: Diego Martínez Cárdenas

Tabla de ContenidoAplicaciones con DSP y FPGA

Estrategias de control conmutado aplicadas a circuitos converti-dores de potencia

Design of 2-D filters for video processing using FPGAs

Diseño e implementación de un módulo hardware para control de ruido activo con bus wishbone

Diseño e implementación de un módulo para el monitoreo ina-lámbrico de la señal ECG aplicando filtros digitales en hardware con un dsPIC

Signal Processing and Waves Graphing Acceleration using FPGA

Sistema de efectos de sonido implementado sobre microcom-putador embebido BeagleBoard xM

Compressing audio signals with the use of the wavelet transform and embedded systems

Implementación de la transformada rápida de Fourier en un sPIC30F4011 para clasificación de metales

Identificación biométrica y bioinformática

Optic disk detection and segmentation of retinal images using an evolution strategy on GPU

Biometric iris recognition using hough transform and gabor filter

Evaluation of nine bioinformatic platforms using a viral model for RNA secondary structure prediction

Prototipo de sistema para control de acceso basado en recono-cimiento de rostros

Linguistic corpus design for medellín city speakers

Access control system using palm of the hand image processing

Tabla de ContenidoProcesamiento de bioseñales

Aplicación Android de caracterización de sonidos pulmonares usando análisis frecuencial y análisis wavelet implementado en micro-PC VIA APC-8750

Diseño de BCI multi-canal, sistema de comunicación basado en el pensamiento

Actual trends on EEG data analysis techniques applied on assistive products for people with motor disabilities using Matheo Analyzer

Characterization of EEG signals using wavelet transform for motor imagination tasks in BCI systems

Noninvasive FECG for estimating the fetal heart rate

Epilepsy activity detection based on optimized one-class classi-fiers

Inclusion of temporal information in the EEG inverse problem: a comparative study

Surface EMG signal analysis based on the empirical mode decom-position and the Hilbert spectrum for human-robot interaction

Automatic sleep stages classification using EEG features and neural networks

Procesamiento de imágenes

Detección de texturas de rostros humanos en ambientes con escasa iluminación

Image processing and correction of the apparent broadening of species concentration profiles in laminar counterflow flames

Coded aperture compressive spectral imaging

Sistema de análisis y control de crecimiento de cultivos por proce-samiento digital de imágenes

Implementación experimental de algoritmos de segmentación y clasificación supervisada sobre imágenes SAR en zonas de inun-dación en Colombia: caso de estudio

Tabla de ContenidoProcesamiento de imágenes

Image quality assessment in infrared nondestructive testing(IRNDT)

Segmentation and 3D reconstruction of MRI to quantify cranial tumor activity

Propuesta y ajuste de un sistema de inferencia difusa para la generación de efectos psicodelicos en imágenes digitales

Calibration method for correlated color temperature (CCT) measurement using RGB color sensors

A non-invasive method for heart rate monitoring using digital image processing

Identificación de sectores en una fotografía aérea

Spectral selectivity in compressive spectral imaging based on gray-scale coded apertures

Clasificación de placas metálicas utilizando procesamiento digital de imágenes

Generación automática de una imagen panorámica utilizando el sensor Microsoft Kinect

Exploring contour and texture features for context-aware patch-based inpainting

Visual quality assessment of infrared images reconstructed by compressive sensing

Interfaz gráfica para la localización de microcalcificaciones en mamografías digitales

Sistema de filtrado espacial de imágenes en sistemas embebidos

Color and size image dataset normalization protocol for natural image classification: a case study in tomato crop pathologies

Metodo no-invasivo para medicion del ritmocardıaco basado en procesamiento digital de

imagenesFernanda Andrade

Departamento de Electrica y ElectronicaEscuela Politecnica del Ejercito

Casilla 171-5-231B, Sangolquı, EcuadorE-mail: flandrade@espe.edu.ec

Enrique V. CarreraDepartamento de Electrica y Electronica

Escuela Politecnica del EjercitoCasilla 171-5-231B, Sangolquı, Ecuador

E-mail: evcarrera@espe.edu.ec

Resumen—La prevencion y tratamiento de enfermedades car-diovasculares es una tarea importante para precautelar la saludde la poblacion mundial. Por lo tanto, es primordial contar conmetodos simples y baratos que permitan evaluar el ritmo cardıacoen entornos externos a clınicas y hospitales. Este artıculo presentaun metodo sencillo y no-invasivo para medir el ritmo cardıaco deuna persona mediante la amplificacion del tenue cambio de coloren la piel que produce la circulacion de la sangre. La propuestase fundamenta en determinar la intensidad de los pıxeles en unasecuencia de video y amplificar su variacion dentro de un rangoespecıfico de frecuencias. Para el filtrado espacial y temporal delos fotogramas de video se utilizan piramides multi-resolucion ywavelets. La evaluacion realizada muestra que esta tecnica tieneuna precision superior al 98 % y una carga de procesamientomanejable por cualquier computador estandar. Basandonos enestos resultados, concluimos que el metodo propuesto es unaalternativa efectiva y util para el cuidado de la salud en casa oen situaciones que no se permita el contacto fısico de sensores.

Palabras Claves—Monitorizacion cardıaca, filtraje espacial ytemporal de imagenes, wavelets.

I. INTRODUCCION

El ritmo cardıaco es uno de los principales signos vita-les controlados por los profesionales de la medicina. Estainformacion los asiste en el diagnostico y tratamiento deun sinnumero de condiciones medicas. De hecho, los datosobtenidos como producto de la medicion del ritmo cardıacoson la referencia primaria para establecer la condicion de unpaciente en diversas situaciones clınicas.

Ademas, las enfermedades cardiovasculares representan el30 % de todas las muertes registradas a nivel mundial [1].Por consiguiente, la prevencion y tratamiento de este tipo deenfermedades es un aspecto de suma importancia dentro de losproblemas sanitarios mundiales. Actualmente, la informacionde frecuencia cardıaca permite establecer anomalıas comoarritmias o bloqueos cardıacos.

Hoy en dıa, los electrocardiogramas (ECG) posibilitan unaevaluacion precisa del ritmo cardıaco usando diversas configu-raciones [2]. El ECG estandar utilizado en clınicas y hospitaleses conocido como ECG de 12 derivaciones y requiere de 10electrodos en diversos puntos de las extremidades y torax

del paciente [3]. Otro dispositivo comunmente usado para lamedicion del ritmo cardıaco es el oxımetro de pulso [4]. Esteelemento suele ubicarse en un dedo u oreja, y esta conformadopor dos diodos emisores de luz y un foto-receptor.

Todos estos metodos implican el uso de dispositivos encontacto con la piel. Sin embargo, existen casos en los quela mejor opcion es utilizar metodos no-invasivos. Un ejemploson las aplicaciones de control continuo (e.g., monitorizacionen el hogar o espacio de trabajo). Otra situacion interesantees el cuidado de pacientes con condiciones que pueden seragravadas por el contacto de sensores (e.g., recien nacidos opacientes con quemaduras [5]). Entre las tecnicas no-invasivaspodemos mencionar el balistocardiografo [6], los metodosbasados en electromagnetismo [7] y rayos laser [8].

Este artıculo presenta un metodo no-invasivo y asequiblebasado en el procesamiento digital de imagenes (PDI). Laprincipal ventaja sobre otras tecnicas es su simplicidad, ya queno requiere de hardware especializado. Basicamente, nuestrapropuesta requiere un computador y una webcam, convir-tiendose en una alternativa de bajo costo para las aplicacionesde atencion medica en casa. El procedimiento utilizado sefundamenta en la sutil variacion de color que experimenta lapiel debido a la circulacion de la sangre. Dicha variacion noes advertida por el ojo humano, pero puede ser percibida atraves de tecnicas de procesamiento adecuadas.

La tecnica utilizada en este trabajo adapta la propuestaconocida como Eulerian Video Magnification [9] para medirel ritmo cardıaco de las personas. El valor de la intensidadde los pıxeles en una secuencia de fotogramas de video esanalizado y su variacion es posteriormente amplificada dentrode un rango especıfico de frecuencias (e.g., 1.0–1.7 Hz parael caso del ritmo cardıaco de un adulto en reposo). Con esteprocedimiento se consigue divisar la variacion de color comoproducto de la circulacion sanguınea y el ritmo cardıaco escalculado mediante el analisis en frecuencia de la variacionobservada dentro de la region de interes.

Los resultados obtenidos fueron evaluados en funcion de losparametros utilizados tanto en el procesamiento espacial comotemporal de los fotogramas, y en funcion de la codificacion

Fig. 1. Piramide Gaussiana representando imagenes multi-resolucion.

de color escogida. La evaluacion realizada incluye analisisde los valores de exactitud y desempeno obtenidos en ladeterminacion del ritmo cardıaco.

II. FUNDAMENTOS TEORICOS

Algunos conceptos afines al PDI realizado en esta propuestason detallados a continuacion.

A. Espacio de color YIQ

El espacio de color determina las coordenadas de referenciadonde cada color es representado como un punto especıfico enese espacio [10]. Existen varios espacios de color propuestos,destacandose el RGB, HSV, YIQ, entre otros.

Un espacio de color interesante es el YIQ, usado por elestandar de television NTSC, y conformado por las compo-nentes de luminancia (Y ), tono (I) y saturacion (Q). La lumi-nancia es la componente con informacion de intensidad (escalade grises) y no incluye informacion de color propiamentedicho. De esta manera, la componente Y pueda ser procesadasin afectar las componentes de crominancia I y Q [11]. Porejemplo, la ecualizacion del histograma de una imagen a coloren el espacio YIQ puede ser lograda ecualizando unicamenteel histograma de su componente Y .

B. Piramides Gaussianas

Las imagenes pueden normalmente ser visualizadas enmultiples resoluciones. Una forma de condensar la visualiza-cion de esas multiple resoluciones es a traves de una piramidede imagenes. La base de la piramide esta constituida porla imagen de mayor resolucion (original), y la cima, por laimagen de mas baja resolucion. Las piramides de imagenescontienen diferentes componentes espaciales y en frecuenciade la imagen original, por lo que son ampliamente usadas enaplicaciones de compresion y remocion de redundancias.

Un caso particularmente interesante de este tipo de estruc-turas es la piramide Gaussiana [12], representada en la Fig. 1.En este caso, la resolucion de una imagen de nivel g0 es pro-cesada para obtener una imagen con resolucion y densidad demuestreo reducida g1. De manera similar, g2 sera una versionreducida con relacion a g1, y ası sucesivamente tantos nivelescomo sea necesario. El valor de intensidad de cada pıxel enel nivel superior es calculado como la media ponderada detodos los valores en el nivel inmediatamente inferior usandouna ventana de coeficientes 5× 5.

III. MEDICION DEL RITMO CARDIACO

El proceso para medicion del ritmo cardıaco propuesto eneste artıculo esta constituido por dos fases: amplificacion devariaciones de color y obtencion de la frecuencia de variacionde los pıxeles en el area de interes.

A. Amplificacion de las variaciones de color

Para la amplificacion de las variaciones de color se utilizala tecnica Eulerian Video Magnification [9]. La Fig. 2 muestraun diagrama general del procedimiento propuesto.

Adquisicion de fotogramas: Con la finalidad de aplicar elPDI a una secuencia de video, cada fotograma del mismoes extraıdo. Como resultado de este proceso, se obtieneuna secuencia de imagenes en el espacio de color RGB.Segmentacion: Para reducir el costo computacional, ypor ende el tiempo de procesamiento requerido, nuestraimplementacion realiza una segmentacion de cada foto-grama. El resultado es una nueva secuencia de imagenesde menor tamano que corresponden exclusivamente alarea de interes definida por el usuario.Transformacion al espacio YIQ: En ciertos casos, laamplificacion de fotogramas mediante un elevado factorde escala implica distorsiones en las imagenes finales.Para disminuir este efecto, cada imagen es transformadaal espacio de color YIQ, permitiendo la atenuacion delas componentes de crominancia y conservando la deluminosidad.Piramide multi-resolucion: Se crea una piramide multi-resolucion a partir de cada imagen YIQ. Todo el proce-samiento detallado a continuacion sera aplicado exclu-sivamente a la imagen del ultimo nivel de la piramide.Esto tiene por objetivo disminuir el costo computacionalde procesamiento y eliminar el ruido (i.e., similar al usode un filtro de mediana), debido a que las imagenes conmenor resolucion son una version con rasgos generalesde la imagen original.Es importante destacar que nuestra propuesta usa wave-lets para obtener las imagenes de nivel superior a partirde la imagen original. La tecnica previa [9] utiliza filtradoespacial para la construccion de la piramide Gaussiana.Filtro pasa-banda: En un adulto, el ritmo cardıaco ha-bitual oscila entre 60 y 100 latidos por minuto (i.e.,entre 1 y 1.67 Hz). En consecuencia, aplicamos un filtropasa banda adecuado a estas frecuencias de corte paraextraer de mejor forma las variaciones producidas por lacirculacion de la sangre.Multiplicacion: Las matrices de las imagenes son mul-tiplicadas por un factor α. Este proceso permite que elcontraste de intensidad sea incrementado, y por lo tanto,la variacion de color debido a la circulacion sanguınease haga evidente. Este factor podrıa ser tan alto comoposible, pero el valor ideal varıa para cada vıdeo por lasdistorsiones que pueden generarse.Restauracion: Finalmente, el video amplificado es elresultado de la adicion de cada fotograma original con

Fig. 2. Proceso para la amplificacion de las variaciones de color.

Fig. 3. Proceso para obtener la frecuencia de ritmo cardıaco.

su respectivo fotograma procesado en el espacio de colorRGB. El fotograma procesado es previamente interpoladoa tamano original antes de la adicion.

B. Frecuencia del ritmo cardıaco

La Fig. 3 muestra un diagrama con el procedimiento paraobtener el ritmo cardıaco de pacientes a partir del vıdeopreviamente amplificado.

Valor de intensidad: El valor de la intensidad de uno omas pıxeles seleccionados es almacenado en la forma deuna serie temporal.Transformada de Fourier: A la serie temporal anterior, seaplica la transformada rapida de Fourier (FFT) utilizandoventanas de tamano fijo.Valor maximo: En el espectro obtenido mediante la FFTse determinan sus componentes principales. Debido alfiltro pasa-banda aplicado durante la fase de amplifica-cion, estas componentes corresponden normalmente a lafrecuencia del ritmo cardıaco de la persona.

IV. RESULTADOS

Para evaluar el mecanismo propuesto se implemento elproceso descrito en la seccion anterior mediante el softwa-re Matlab R2012a. Especıficamente, nuestra implementacionutiliza el toolbox para PDI de Matlab, junto con vıdeos deprueba adquiridos mediante webcams y camaras de vıdeo dealta resolucion. Adicionalmente, se utilizaron vıdeos de lagalerıa publica de Quanta Research [13].

La aplicacion fue ejecutada en un computador con pro-cesador Intel Core i7 a 2.9 GHz con 8 GB de memoriaRAM y usando el sistema operativo Windows 7. Los videosfueron procesados a una velocidad promedio de 15 fotogramaspor segundo. Ademas, como fue mencionado, los fotogramasoriginales son segmentados en imagenes de menor tamano(i.e., 50×50) con la finalidad de reducir el costo computacionaldel procesamiento.

Fig. 4. Fotogramas del vıdeo original y serie temporal con la variacion deintensidad de un pıxel.

Fig. 5. Fotogramas resultado de la amplificacion y serie temporal con lavariacion de intensidad de un pıxel.

En las figuras 4 y 5 se ilustran los resultados obtenidospara uno de los videos obtenidos de la galerıa publica deQuanta Research. El pulso cardıaco del recien nacido presenteen el vıdeo original (Fig. 4) es de 150 latidos por minuto (i.e.,2.5 Hz). La Fig. 5 muestra que el exito de la amplificaciones notorio, el cambio de color se puede apreciar inclusive

Tabla IPARAMETROS POR DEFECTO UTILIZADOS.

fc1 (Hz) fc2 (Hz) Altura α Ventana FFT2.337 2.667 6 50 128

Fig. 6. Error obtenido en funcion del ancho de banda.

a simple vista. Esta amplificacion del cambio de color serefleja claramente en la serie temporal de la intensidad deun pıxel. La frecuencia fundamental de esta serie temporalcorresponde exactamente a la frecuencia del pulso cardıacodel recien nacido.

El proceso de amplificacion y obtencion del pulso cardıacorequiere la seleccion de cuatro parametros clave: (i) frecuen-cias de corte del filtro pasa-banda, (ii) altura de la piramide,(iii) factor de multiplicacion α, y (iv) tamano de ventana parala FFT. Los resultados presentados en la Fig. 5 corresponden alos valores por defecto listados en la Tabla I. A continuacion,se analizan los resultados del estudio del espacio de parametrosrealizado.

A. Frecuencias de corte del filtro

El primer paso es la seleccion de las frecuencias de corte delfiltro pasa-banda con la finalidad de simplificar la detecciondel ritmo cardıaco. Para resumir el analisis, la Fig. 6 muestraunicamente el porcentaje de error del valor detectado enfuncion del ancho de banda en torno a la frecuencia centralpor defecto. El porcentaje de error en el pulso cardıaco esmostrado para cada componente RGB filtrada a la salida dela fase de amplificacion.

Los resultados muestran que el error es directamente pro-porcional al ancho de banda escogido. El error es menor a4 % para valores de ancho de banda inferiores a 0.68 Hz.Adicionalmente, estos datos evidencian que la precision delpulso cardıaco es superior al 98 % cuando se trabaja con lacomponente verde (G) del espacio de color RGB.

B. Altura de la piramide

El objetivo de la piramide multi-resolucion es eliminar elruido presente en los fotogramas del video. Para evaluar comola altura de la piramide influye en la determinacion del ritmocardıaco se vario el numero de niveles en la piramide entre 2 y6. La Fig. 7 muestra que el error es inversamente proporcionala la altura de la piramide. Por ejemplo, manteniendo el anchode banda en 0.67 Hz, la precision de 2 niveles se aproxima a97 %, mientras que con 6 niveles llega a practicamente 100 %.

Fig. 7. Error obtenido en funcion del ancho de banda para varias alturas depiramide usando la componente G.

Fig. 8. Error obtenido en funcion del valor de α.

Otra observacion importante es que la efectividad del anchode banda del filtro depende de la altura de la piramide multi-resolucion. Un pequeno numero de niveles requiere menoresanchos de banda a modo de compensacion.

C. Factor de multiplicacion

Este factor amplifica las diferencias de intensidad de cadafotograma. La Fig. 8 indica que la variacion del factor demultiplicacion no es relevante para la obtencion del pulsocardıaco a partir de α = 40, donde el cambio de color ya esnotorio. Sin embargo, este valor puede distorsionar la imagenen el caso de ser muy alto, como se aprecia en la Fig. 9.Valores altos de α no solamente distorsionan los colores, sinoque disminuyen la relacion senal a ruido del fotograma.

En la Fig. 6 se observo que la componente G tiene menorruido, facilitando el calculo del ritmo cardıaco con exactitud.La Fig. 8 valida esta observacion y muestra que el calculo delritmo cardıaco a partir de la componente G puede alcanzarprecisiones superiores al 99.8 % con α = 30.

D. Tamano de la ventana FFT

El tamano de la ventana para el calculo de la FFT es unparametro importante porque define el numero de muestras queproducira el calculo de la misma. Si el tamano de la ventanaes significativo con relacion al numero total de muestras, sepueden crear inconsistencias debido a la necesidad de rellenaralgunas ventanas. Si el tamano de la ventana es pequeno,la baja resolucion del espectro puede desviar el valor delas componentes principales. El principal beneficio de usarventanas pequenas es la optimizacion del tiempo de ejecucionque puede llegar al 8 %.

Como se obtiene una secuencia de resultados parciales,producto del la separacion de los valores de entrada en

Fig. 9. Distorsion de la imagen debido a valores altos de α.

Fig. 10. Error obtenido en funcion del tamano de ventana FFT.

subconjuntos solapados, el valor final de la frecuencia de ritmocardıaco depende del promedio de los espectros obtenidos a lolargo del proceso. La Fig. 10 muestra que el error sobrepasael 2 % con ventanas mayores a 256.

E. Wavelets vs interpolacion

Los resultados anteriores fueron obtenidos utilizando wave-lets para el calculo de la piramide multi-resolucion. En estasubseccion tambien se analiza el desempeno de otros metodosde interpolacion tales como Nearest, Bilinear y Bicubic.

Los resultados obtenidos utilizando los valores mostradosen la Tabla I se sintetizan en la Fig. 11 y muestran queel desempeno del sistema es mejor utilizando wavelets yprocesando la componente G. La precision en la componenteB tambien es adecuada con el metodo de interpolacion Nearest(un error inferior a 1 %). Sin embargo, al modificar parametroscomo el ancho de banda, la precision de la componente Busando Nearest se ve afectada como indica la Fig. 12.

V. CONCLUSION

En este trabajo presentamos la implementacion de un meto-do basado en PDI para la medicion del pulso cardıaco. Losresultados muestran una precision superior al 98 % procesando15 fotogramas por segundo. Nuestra experimentacion tambienprueba que los canales G y B son los mas adecuados paraidentificar la circulacion de sangre en la piel.

La exactitud y confiabilidad del procesamiento propuestodependen principalmente de las caracterısticas del filtro tempo-ral y de la estructura de la piramide multi-resolucion. Ademas,el factor de multiplicacion α no influye significativamente enlos resultados, y el tamano de la ventana FFT altera, por logeneral, el desempeno del sistema.

Es claro que este metodo puede ser utilizado en aplicacionesde uso domestico, exhortando a la poblacion a cuidar susalud en el hogar y prevenir enfermedades cardiovasculares.

Fig. 11. Desempeno de wavelets y diferentes tipos de interpolacion.

Fig. 12. Desempeno con wavelets e interpolacion Nearest.

A futuro, planeamos estudiar con mayor detalle la relacionsenal-a-ruido del sistema en funcion de las caracterısticas delfiltro y de otras estructuras de piramide.

REFERENCIAS

[1] C. Deaton, E. S. Froelicher, L. H. Wu, C. Ho, K. Shishani, andT. Jaarsma, “The global burden of cardiovascular disease,” EuropeanJournal of Cardiovascular Nursing, vol. 10, no. 2 suppl, pp. S5–S13,2011.

[2] J. Kowalak and C. Turkington, Lippincott Manual of Nursing Practiceseries: ECG Interpretation. Lippincott Williams & Wilkins.

[3] P. Gamble, H. McManus, D. Jensen, and V. Froelicher, “A comparisonof the standard 12-lead electrocardiogram to exercise electrode place-ments.” Chest, vol. 85, no. 5, pp. 616–622, 1984.

[4] J. W. Severinghaus, “Takuo aoyagi: discovery of pulse oximetry,”Anesthesia & Analgesia, vol. 105, no. 6S Suppl, pp. S1–S4, 2007.

[5] G. Litscher, G. Kehl, G. Schwarz, and H. P. Soyer, “Inflammatoryreactions of the skin caused by adhesive eeg electrodes,” Journal ofNeurosurgical Anesthesiology, vol. 9, no. 3, pp. 277–279, 1997.

[6] W. Goedhard, “Ballistocardiography: Past, present and future,” Bibliot-heca Cardiologica, vol. 37, pp. 27–45, 1979.

[7] J. C. Lin and J. Salinger, “Microwave measurement of respiration,” inMicrowave Symposium, 1975 IEEE-MTT-S International. IEEE, 1975,pp. 285–287.

[8] G. Capelli, C. Bollati, and G. Giuliani, “Non-contact monitoring of heartbeat using optical laser diode vibrocardiography,” in BioPhotonics, 2011International Workshop on, June, pp. 1–3.

[9] H.-Y. Wu, M. Rubinstein, E. Shih, J. Guttag, F. Durand, and W. T.Freeman, “Eulerian video magnification for revealing subtle changes inthe world,” ACM Trans. Graph. (Proceedings SIGGRAPH 2012), vol. 31,no. 4, 2012.

[10] R. Gonzalez and R. Woods, Digital image processing. Pearson/PrenticeHall, 2002.

[11] K. Plataniotis and A. Venetsanopoulos, Color Image Processing andApplications, ser. Digital Signal Processing - Springer-Verlag. Springer,2000.

[12] P. J. Burt, Edward, and E. H. Adelson, “The laplacian pyramid as acompact image code,” IEEE Transactions on Communications, vol. 31,pp. 532–540, 1983.

[13] Q. R. Cambridge, “Videoscope,” 2013. [Online]. Available:http://videoscope.qrclab.com/