新生儿患有癫痫,并不懂怎样正确表达自己的症状,只能由家人和医生去观察,去判断。新生儿癫痫传统检测分为脑电图检测和运动检测,它们非常耗时,费用昂贵,是限制性和侵入式的,新生儿存在感染的风险。我们采用视频检测,通过智能手机获取新生儿运动视频,然后处理视频信号,检测不寻常运动。视频检测准确、快速、低费用,是非接触、非限制性和非侵入性的,而且对新生儿不会引起皮肤相关并发症,身体运动也没有受到限制,弥补了传统检测的缺陷,是检测新生儿癫痫的最佳选择。本研究主要针对阵挛性癫痫,其发作的特征是身体各部分的周期性往复运动,因此,通过检测身体各部分运动的周期性,就可以判断新生儿是否患有癫痫。研究采用感知哈希法提取出关键帧序列以去除冗余信息;采用背景差分法和自动阈值法将目标和背景分离开来;使用帧间差分法和平坦圆盘元素去除噪声和不动部分;使用三种方法进行周期性检测,分别是平均亮度信号提取法、黑色像素点数统计法和质心坐标提取法,通过对比,选择黑色像素点数统计法和平均亮度信号提取法二者结合的方法作为论文周期性检测方法;最后,采用现实新生儿视频进行检测验证。特点:使用感知哈希法提取关键帧,改进了传统感知哈希法,确定了理想阈值,去除了冗余信息,提高了检测效率;使用形态学法中平坦圆盘元素闭运算提取运动部分,更加精确;改进了传统的彩色图像平均亮度信号提取法,提出了灰度图像平均亮度信号提取法,更简单,周期性检测效果更明显;提出了黑色像素点数统计法;最后将3种周期性检测算法运用到现实新生儿癫痫检测中,绘出了相关曲线,更直观地判断出新生儿是否患有癫痫。