The invention belongs to the field of biometric identification technology, in particular to a video-based non-contact real-time pulse estimation method and equipment, aiming at enhancing real-time experience and motion robustness. The method of the present invention includes: acquiring the region of interest from the video stream; calculating the original RGB signal of all the pixels in the region of interest in each frame of the video stream; preprocessing the original RGB signal; filtering the preprocessed signal using the trained deep neural network filter to obtain the pulse estimation signal; and estimating the pulse signal. The current instantaneous heart rate is calculated in a preset manner according to the peak heartbeat. The invention can effectively realize pulse signal estimation and instantaneous heart rate calculation, and has good real-time performance, accuracy and robustness, and is suitable for lie detection, health monitoring, biometric detection and other fields.
【技术实现步骤摘要】
基于视频的非接触式脉搏实时估计方法及设备
本专利技术属于生物识别
,尤其涉及一种基于视频的非接触式脉搏实时估计方法及设备。
技术介绍
脉搏信号是具有重要参考价值的生理信号,可以反映人的健康状况和心理状态。所以脉搏信号的有效采集在医疗监护、刑侦测谎等领域具有重要价值。传统的脉搏信号采集装置都为接触式仪器,如心电仪、指夹式脉搏血氧仪等。接触式采集手段限制了被监护病人的自由活动,对于刑侦测谎场景也增加了被试者的心理防备,所以该种采集方式有方便性差、隐蔽性弱、成本高等缺陷。为解决这些问题,非接触式的基于视频采集人体脉搏信号的方法具有很高的应用价值。此类方法仅依靠常规摄像头和计算机就能搭建非接触式脉搏测量环境,具有方便易用、隐蔽性强、成本低廉的优势。基于视频的脉搏采集原理为:心脏跳动引起皮下毛细血管充血量周期性变化,导致皮肤对入射光谱的吸收作用及反射作用出现周期性波动,摄像头可以捕捉皮肤反射光谱强度的微弱波动,从而经过处理、计算得到相应的脉搏信号。已公开的视频脉搏信号估计方法一般离线计算一段视频内的平均心率,且方法对于头部运动、脸部非刚体活动、光照变化等的鲁棒性较差。离线计算平均心率不适合对受试者当前瞬时心理及生理状况做出快速判断,对运动噪声鲁棒性弱则限制了已有方法的有效应用。鉴于此,本专利技术提出一种基于视频的非接触式脉搏实时估计方法,以增强实时体验与运动鲁棒性。
技术实现思路
本专利技术的主要目的在于提供一种基于视频的非接触式脉搏实时估计方法及设备,旨在提供一种可增强实时体验与运动鲁棒性的非接触式脉搏估计方法。为实现上述目的,本专利技术提供的一种基于视频的非接 ...
【技术保护点】
1.一种基于视频的非接触式脉搏实时估计方法,其特征在于,所述方法包括如下步骤:步骤S10,从视频流中获取感兴趣皮肤区域;步骤S20,计算所述视频流每一帧中所述感兴趣皮肤区域内所有像素的原始RGB信号;步骤S30,对所述原始RGB信号进行预处理;步骤S40,使用训练好的深度神经网络滤波器对所述预处理后信号进行滤波,得到脉搏估计信号;步骤S50,对所述脉搏估计信号进行心跳峰值检测;步骤S60,根据所述心跳峰值,采用预设方式计算当前瞬时心率。
【技术特征摘要】
1.一种基于视频的非接触式脉搏实时估计方法,其特征在于,所述方法包括如下步骤:步骤S10,从视频流中获取感兴趣皮肤区域;步骤S20,计算所述视频流每一帧中所述感兴趣皮肤区域内所有像素的原始RGB信号;步骤S30,对所述原始RGB信号进行预处理;步骤S40,使用训练好的深度神经网络滤波器对所述预处理后信号进行滤波,得到脉搏估计信号;步骤S50,对所述脉搏估计信号进行心跳峰值检测;步骤S60,根据所述心跳峰值,采用预设方式计算当前瞬时心率。2.根据权利要求1所述的基于视频的非接触式脉搏实时估计方法,其特征在于,所述步骤S20还具体包括,分别在R、G、B三个通道,计算所述视频流每一帧中所述感兴趣皮肤区域内所有像素的平均灰度值,得到原始RGB信号。3.根据权利要求1所述的基于视频的非接触式脉搏实时估计方法,其特征在于,所述步骤S40中所述训练好的深度神经网络滤波器,其训练方法包括:步骤S101,收集模拟及真实的带噪声脉搏信号以及模拟及真实的无噪声脉搏信号,构成训练数据集;步骤S102,设计深度神经网络结构作为信号滤波器,以有噪声脉搏信号作为输入,无噪声脉搏信号作为监督信息,进行网络训练。4.根据权利要求3所述的基于视频的非接触式脉搏实时估计方法,其特征在于,所述步骤101中,模拟的无噪声脉搏信号通过合成随机的类正弦波信号生成,模拟的有噪声脉搏信号通过向所述类正弦波信号中加入随机的白噪声、运动阶跃噪声信号合成,真实的无噪声脉搏信号为在拍摄视频时,同步使用指夹式血氧仪或者心电图仪记录脉搏波形得到,真实的带噪声脉搏信号通过从拍摄视频中按照所述步骤S10至步骤S30进行处理得到信号。5.根据权利要求1所述的基于视频的非接触式脉搏实时估计方法,其特征在于,所述步骤S10还具体包括:...
【专利技术属性】
技术研发人员:谭铁牛,董晶,王伟,彭勃,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。