一种基于深度图像数据的非接触式呼吸监测方法技术

本发明专利技术公开了一种非接触式呼吸监测的方法。该方法包括：定位深度视频流中被监测者胸腹部区域；对深度视频流中每一帧图像的胸腹部区域数据降维；对降维后的数据计算方差，得到胸腹部变化程度序列；对胸腹部变化程度序列进行低通滤波，得到降噪后的呼吸变化序列；根据呼吸变化序列计算出呼吸频率以及呼吸暂停时间。本方法解决了接触式监测呼吸可能带来的干扰被监测者呼吸过程的问题，降低了硬件成本与设备的复杂性。

【技术实现步骤摘要】

本申请涉及医疗领域、图像处理、计算机视觉等领域，尤其涉及通过深度图像非接触式监测呼吸的方法。
技术介绍
呼吸是重要的生理过程，监测呼吸是医学上诊断一些呼吸疾病的基本手段之一。例如阻塞性呼吸睡眠暂停综合症(OSA)主要依赖监测呼吸来确诊。OSA在临床上表现为每晚7小时睡眠过程中呼吸暂停反复发作30次以上。通过监测被测试者睡眠呼吸状态，便可判断该测试者是否患有OSA。具体为通过监测患者的呼吸频率、呼吸暂停次数以及呼吸暂停时间判断被监测者是否患有OSA。监测呼吸可以使该病患者及时获得医疗救治，避免病情的进一步恶化，最终保障患者生命健康。目前呼吸监测方式主要分为接触式和非接触式两大类。接触式呼吸监测主流方法有使用腹带压力监测、采用小型传感器监测鼻腔气流状态。腹带压力监测法主要原理：通过腹带监测腹部起伏变化状态，从而实时监测佩戴者的呼吸状态。小型传感器监测鼻腔气流法主要原理：通过监测鼻腔气流速度、气流方向得出被监测者当前呼吸状态。通过以上表述可知，人长期佩戴这些设备可能会产生不适。更近一步的，这些设备可能会干扰人的呼吸过程，影响测量结果的准确性，这是接触式方法主要不足。非接触式呼吸监测主要通过红外摄像头获取数据并结合图像处理算法完成呼吸监测。利用红外摄像头监测原理为：被监测者在呼吸时，胸腹部会随之起伏变化，因此红外摄像头拍摄到的每一帧图像的胸腹部区域都与前后相邻几帧的胸腹部区域有所差别。根据相邻红外图像帧间胸腹部区域的差异便可得到被监测者的呼吸变化序列。利用红外摄像头监测呼吸具有不受环境光照影响、精度高等优点，但是总体来说红外摄像头相对来说价格高，不利于大规模应用。综上所述，接触式呼吸监测方案可能存在着干扰被监测者正常呼吸过程的问题，而利用红外摄像头进行非接触式呼吸监测方案实现所依赖的硬件平台并不廉价，限制了非接触式呼吸监测的普及。
技术实现思路
本专利技术针对以上问题，提出一种基于深度图像数据的非接触式呼吸监测方法，该方法既有非接触式的优点又能降低硬件成本。本专利技术提供了一种通过深度图像监测呼吸的方法包括：定位深度视频流中被监测者胸腹部区域；对深度视频流中的每一帧图像的胸腹部区域数据降维；对每一帧降维后的胸腹部区域数据计算方差，得到胸腹部变化程度序列；对胸腹部变化程度序列进行低通滤波，得到降噪后的呼吸变化序列；根据呼吸变化序列计算出呼吸频率以及呼吸暂停时间。图1是本专利技术方法的流程图，下面结合流程图对本专利技术所提出的方法做进一步说明。进一步地，定位深度视频流中被监测者胸腹部区域包括：通过与深度图像帧一一对应的深度骨骼帧确定深度图像帧中被监测者的胸腹部区域。进一步地，对深度视频流中的每一帧图像的胸腹部区域数据降维包括：为了说明方便，设胸腹部区域深度数据为m×n的矩阵。将原始胸腹部区域二维矩阵进行降维处理得到m′×n′胸腹部区域深度矩阵(其中m′＜＜m,n′＜＜n)。并记m′×n′胸腹部区域深度矩阵为A。显而易见降维后的胸腹部区域深度矩阵维度远小于原始矩阵维度。进一步的，对“胸腹部区域深度数据”中深度含义做详细说明：构成传统图像的每一个像素记录的是色彩信息，而构成深度图像的每一个像素记录的是目标物体与摄像头之间的距离。进一步地，对降维后的数据计算方差，得到胸腹部变化程度序列包括：计算矩阵A中所有元素的方差，该方差值反映了当前深度图像帧中被监测者胸腹部起伏程度。进一步地，作为优选方式，在对胸腹部变化程度序列进行低通滤波时，结合实际被监测者的呼吸频率不会太高这一常识，将胸部变化序列中所有高频成分置零。进一步地，根据呼吸变化序列计算出呼吸频率包括：统计呼吸变化序列中每一个局部极大值。局部极大值个数便对应了被监测者在该序列的呼吸次数，根据每分钟呼吸的次数计算出呼吸频率。进一步地，根据呼吸变化序列计算出呼吸暂停时间包括：利用序列的增减性及序列的波动程度来筛选出呼吸暂停区间。由于采用了上述技术方案，本专利技术提供的基于深度图像的呼吸监测方法具有以下优势1)通过计算深度图像中胸腹部方差得到胸腹部变化程度，降低呼吸监测算法的复杂度，很好地保证了实时性，便于实际应用推广。2)与接触式设备例如腹带压力传感器、肺活量计相比，做到了非接触且保证被监测者的正常行为活动。3)与目前较流行的热红外摄像头监测呼吸相比，在保证监测呼吸的准确性基本不变的条件下，降低了硬件设备及维护费用。本方法采用的深度摄像头在市场上售价较专业红外摄像头低。附图说明为了更清楚的说明本专利技术的实施或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来说，在不付出任何创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1描述专利技术方法流程图图2为专利技术实施例中监测呼吸算法流程图图3为专利技术实施例中采用的Kinect骨骼帧示意图图4为序列中相邻几项增减性示例图图5为专利技术实施例中摄像头放置以及被监测者被监测呼吸示意图图6为Kinect追踪的骨骼点的三维空间坐标映射到深度图像帧对应二维坐标的流程示意图图7为Kinect追踪的骨骼点的三维空间坐标映射到深度图像帧对应二维坐标的示例代码图8为专利技术实施例中被监测者在进行呼吸监测的场景图图9为被监测者胸腹部变化序列的频域信号图10为专利技术实施例中被监测者呼吸中有暂停行为的曲线具体实施方式一、实现过程本专利技术所提供的方法主要步骤如下:获取一段时间内深度视频流中被监测者的胸腹部图像；对获取的每一帧胸腹部区域图像做降维处理并计算方差，由此得到该段时间内的胸腹部变化序列；对胸腹部变化序列进行低通滤波得到呼吸变化序列；由呼吸变化序列计算出呼吸频率和呼吸暂停时间。为使本专利技术的实施例的目的、技术方案和优点更加清楚，下面结合本专利技术的附图2，对本专利技术实施例中的技术方案进行完整清晰的描述：步骤S201：将提供深度图像的摄像头放置于合适位置，使被监测者完整的暴露于摄像头监测视野范围内，并获取一段时间内的深度视频流。步骤S202：抽取深度视频流的第一帧图像，同时提取与深度图像帧一一对应的骨骼帧中的ShoulderLeft、ShoulderRight、HipCenter三维骨骼点坐标，并将这三个点的三维坐转换成深度图像帧中对应的二维坐标。完成坐标映射后，便开始定位深度图像帧中的胸腹部区域。如附图3所示，将ShoulderLeft、ShoulderRight作为矩形的一条边AB的两个顶点，HipCenter作为与AB边平行的另一条矩形边DE的中点，矩形ABED便是该深度图像帧中被监测者的胸腹部区域。截取ABED区域中的深度图像数据。步骤S203：为了表述方便，用m×n的矩阵Amn描述胸腹部区域深度图像数据，同时令X＝Amn则X可以看做有m个样本，每个样本是具有n个维度的列矩阵，即X＝(x1,x2,…,xi,…,xm)，xi＝(A1i,A2i,…,Ani)T。对X使用快速PCA处理得到降维后的胸腹部区域深度矩阵Y。步骤S204：对Y中所有元素计算方差，得到衡量该胸腹部区域变化程度的值Ψ1步骤S205：依次对深度视频流中剩余图像帧重复步骤203-204，直至深度视频流中所有帧均被处理完毕。由Ψ1至Ψn构成此段时间内胸腹部变化序列Ψ，即Ψ＝{Ψ1,…,Ψt,…,Ψn本文档来自技高网...

【技术保护点】
一种基于深度图像数据的非接触式呼吸监测方法，其特征在于，包括以下步骤：定位深度视频流中被监测者胸腹部区域；对深度视频流中的每一帧图像的胸腹部区域数据降维；对每一帧降维后的胸腹部区域数据计算方差，得到胸腹部变化程度序列；对胸腹部变化程度序列进行低通滤波，得到降噪后的呼吸变化序列；根据呼吸变化序列计算出呼吸频率以及呼吸暂停时间。

【技术特征摘要】
1.一种基于深度图像数据的非接触式呼吸监测方法，其特征在于，包括以下步骤：定位深度视频流中被监测者胸腹部区域；对深度视频流中的每一帧图像的胸腹部区域数据降维；对每一帧降维后的胸腹部区域数据计算方差，得到胸腹部变化程度序列；对胸腹部变化程度序列进行低通滤波，得到降噪后的呼吸变化序列；根据呼吸变化序列计算出呼吸频率以及呼吸暂停时间。2.如权利要求1所述的一种基于深度图像数据的非接触式呼吸监测方法中，其特征在在于，所述的对深度视频流中的每一帧图像的胸腹部区域数据降维包括：为了说明方便，设胸腹部区域深度数据为m×n的矩阵。将原始胸腹部区域二维矩阵进行降维处理得到m′×n′胸腹部区域深度矩阵(其中m′＜＜m，n′＜＜n)。并记m′×n′胸腹部区域深度矩阵为A。3.如权利要求1所述的一种基于深度图像数据的非接触式呼吸监测方法中，其特征在在于，所述的对降维后的数据计算方差，得到胸腹部变化程度序列包括：计算矩阵A中所有元素的方差，该方差值反映了当前深度图像帧中被监测者胸腹部起伏程度。4.如权利要求1所述的一种基于深度图像数据的非接触式呼吸监测方法中，其特征在在于，所...

【专利技术属性】
技术研发人员：侯振杰，陈永康，王晖，陈宸，李维康，刘佳镔，林恩，梁久祯，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏;32