基于二阶盲辨识的非接触式眨眼与心率联合检测系统及方法技术方案

本发明专利技术涉及一种基于二阶盲辨识的非接触式眨眼与心率联合检测系统及方法，在受试者自然放松的状态下采集包含眼睛的面部视频数据，采集原始视频数据后选定检测面部区域并对所选视频数据进行预处理，得到预处理后的六通道信号，标记为x＝[xR1,xR2,xG1,xG2,xB1,xB2]T；使用Meanshift算法得到连续帧中的目标区域，并以同样的方法获取六通道信号；将经过预处理后的原始信号作为输入信号，使用二阶盲辨识算法进行盲源分离，将分离后的源信号记为y＝[y1,y2,y3,y4,y5,y6]T；对上述步骤S101中得到的分离信号y进行信号辨识与筛选，使用基于谱峭度的分离分量自动识别方法选出所需的眨眼和BVP信号；对得到的眨眼信号进行眨眼频率和时长计算，并对得到的BVP信号进行功率谱谱分析，得到心率估计值，本发明专利技术具有准确度高、抗干扰能力强、算法效率高等优点。

【技术实现步骤摘要】

本专利技术涉及人体体征研究应用
，具体涉及一种基于二阶盲辨识的非接触式眨眼与心率联合检测系统及方法。
技术介绍
眨眼和心跳作为人体的正常生理现象，两者都与个体生理状态和心理状态密切相关。心率是个体生理活动的重要指标而眨眼则能有效反映个体的心理与精神状态。随着技术的不断发展，眨眼和心率检测早已超越早期监测个体身心状态的基本目的，成为了新一代人体传感和人机交互技术的研究热点。相关的研究和工程应用在健康管理、疾病预防、特定场景下的个体状态检测、人机交互等方面具有广泛的应用前景。当前市面上已有智能手环等产品可以实现对个体的心率等指标进行接触式监测；三星、华为等知名IT厂商也将利用眨眼进行手机功能控制作为特色创新加入新的通信产品之中。由此可见，研究眨眼和心电信号的非接触式采集与分析具有巨大的实际意义。随着信息技术的发展，现今已有多种心率及眼动监测方法及相关的商业产品，如常用的心电图和眼动仪等。但传统检测方法需要专门的设备和人员，不仅价格昂贵，人力成本高昂，且监测过程中给用户带来明显的不适感。近年来新起的非接触式检测方法因其不适感较少的优点已被普遍应用于医学领域。目前，眨眼多以视频图像的方式进行非接触式检测而心率非接触检测方法大致可分为电磁式检测方法、基于激光的检测方法、基于图像的检测方法、电阻法和超声波法等。由于图像处理方法的不断和高性能图像采集终端的日益普及，基于图像的检测方法已经日益成为主要的非接触式生理参数检测方法。尽管基于图像的非接触式检测方法使得检测过程大为便捷，检测成本也大为降低，但要检测眨眼和心率，目前仍需要两套独立的系统，眨眼和心率两者至今没有能够合理地融入一个统一的检测框架。PPG(PhotoPlethysmoGraphy)技术是一种用来检测微血管中血容量变化的光学测量技术。心脏的(准)周期性搏动会引起血管的周期性收缩与舒张，由此会产生与心脏跳动同步的血液容量变化脉冲(blood volume pulse，BVP)信号。通过对BVP信号的消噪和增强处理，可进一步获取心率、血氧饱和度和呼吸率等重要的生命体征信息。在目前已提出的各种基于PPG技术的BVP信号获取方法中，基于视频图像序列的BVP获取方法因其简便的使用方法和良好的用户体验受到了广泛关注。现有基于视频图像的PPG方法总体上可归结为两类，其一，将视频图像的G通道数据提取后直接进行滤波等简单后续处理后直接得到相应指标。其优点在于算法复杂度小，但G分量数据容易受到面部整体或局部(眼睛和嘴部)运动的影响。其二，利用其他分析处理算法对R、G、B三分量进行处理，以期获得更好的BVP检测效果。但现有分析处理方法仅着眼于检测由心脏搏动产生的BVP相关信号，检测对象的类型较为单一，若能在统一的框架下进行眨眼和心跳的同步检测将大大提高系统应用范围和实际效能。
技术实现思路
本专利技术的目的是：提供一种基于二阶盲辨识的非接触式眨眼与心率联合检测系统及方法，能够同时针对眨眼与心率进行检测，提高检测的效率。为实现上述目的，本方法专利技术采用的技术方案是：基于二阶盲辨识的非接触式眨眼与心率联合检测方法，该联合检测方法包括如下步骤：S100、在受试者自然放松的状态下采集包含眼睛的面部视频数据，采集原始视频数据后选定检测面部区域并对所选视频数据进行预处理，得到预处理后的六通道信号，标记为x＝[xR1,xR2,xG1,xG2,xB1,xB2]T；S101、使用Meanshift算法得到连续帧中的目标区域，并以同样的方法获取六通道信号；S102、将经过预处理后的原始信号作为输入信号，使用二阶盲辨识算法进行盲源分离，将分离后的源信号记为y＝[y1,y2,y3,y4,y5,y6]T；S103、对上述步骤S101中得到的分离信号y进行信号辨识与筛选，使用基于谱峭度的分离分量自动识别方法选出所需的眨眼和BVP信号；S104、对得到的眨眼信号进行眨眼频率和时长计算，并对得到的BVP信号进行功率谱谱分析，得到心率估计值。本方法专利技术还存在以下特征：所述S100步骤中的视频数据进行预处理的方法包括帧内空间平均的步骤及高通滤波、标准化的步骤。用于进行帧内空间平均步骤的人脸区域是眼睛及眼周的小块面部区域，帧内空间平均的步骤为：设选取的人脸区域图像为xi,j(t)；1≤i≤N,1≤j≤M本文档来自技高网...

【技术保护点】
基于二阶盲辨识的非接触式眨眼与心率联合检测方法，其特征在于：该联合检测方法包括如下步骤：S100、在受试者自然放松的状态下采集包含眼睛的面部视频数据，采集原始视频数据后选定检测面部区域并对所选视频数据进行预处理，得到预处理后的六通道信号，标记为x＝[xR1,xR2,xG1,xG2,xB1,xB2]T；S101、使用Meanshift算法得到连续帧中的目标区域，并以同样的方法获取六通道信号；S102、将经过预处理后的原始信号作为输入信号，使用二阶盲辨识算法进行盲源分离，将分离后的源信号记为y＝[y1,y2,y3,y4,y5,y6]T；S103、对上述步骤S101中得到的分离信号y进行信号辨识与筛选，使用基于谱峭度的分离分量自动识别方法选出所需的眨眼和BVP信号；S104、对得到的眨眼信号进行眨眼频率和时长计算，并对得到的BVP信号进行功率谱谱分析，得到心率估计值。

【技术特征摘要】
1.基于二阶盲辨识的非接触式眨眼与心率联合检测方法，其特征在于：该联合检测方法包括如下步骤：S100、在受试者自然放松的状态下采集包含眼睛的面部视频数据，采集原始视频数据后选定检测面部区域并对所选视频数据进行预处理，得到预处理后的六通道信号，标记为x＝[xR1,xR2,xG1,xG2,xB1,xB2]T；S101、使用Meanshift算法得到连续帧中的目标区域，并以同样的方法获取六通道信号；S102、将经过预处理后的原始信号作为输入信号，使用二阶盲辨识算法进行盲源分离，将分离后的源信号记为y＝[y1,y2,y3,y4,y5,y6]T；S103、对上述步骤S101中得到的分离信号y进...

【专利技术属性】
技术研发人员：张超，吴小培，何璇，吕钊，郭晓静，张磊，高湘萍，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34