图像处理方法技术

本发明专利技术涉及一种图像处理方法，包括：利用移动终端的图像获取装置获取人体体表图像；从人体体表图像中提取图像灰度值和色度值；分别根据图像灰度值和色度值生成第一图像灰度值曲线和第一图像色度值曲线；分别对第一图像灰度值曲线和第一图像色度值曲线进行曲线数据分析，从而得到人体检测数据，人体检测数据包括心率值、血压值、血液粘稠度值和血氧饱和度值；当人体检测数据超过第一阈值时，或者小于第二阈值时，生成第一报警信息；计算人体检测数据的第一变化率，如果第一变化率超过第三阈值，则生成第二报警信息；根据多次人体检测数据，计算变化趋势，如果变化趋势符合第一变化趋势时，则生成第三报警信息。

【技术实现步骤摘要】

本专利技术涉及一种图像处理方法，尤其涉及一种体表图像的处理方法。
技术介绍
随着时代的发展，人们的生活和工作节奏越来越快，导致身体被过度透支。而如果需要及时得知人体的一些数据(例如心律、血压、血粘稠度和血氧饱和度)的经济成本和时间成本是很高的，而且无法进行长期数据的比对分析。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供一种图像处理方法，从而经济和低成本的获取人体的检测数据。为实现上述目的，本专利技术提供了一种图像处理方法，所述方法包括：步骤1，利用移动终端的图像获取装置获取人体体表图像；步骤2，从所述人体体表图像中提取图像灰度值和色度值；步骤3，分别根据图像灰度值和色度值生成第一图像灰度值曲线和第一图像色度值曲线；步骤4，分别对所述第一图像灰度值曲线和第一图像色度值曲线进行曲线数据分析，从而得到人体检测数据，所述人体检测数据包括心率值、血压值、血液粘稠度值和血氧饱和度值；步骤5，当所述人体检测数据超过第一阈值时，或者小于第二阈值时，生成第一报警信息；步骤6，计算所述人体检测数据的第一变化率，如果所述第一变化率超过第三阈值，则生成第二报警信息；步骤7，根据多次所述人体检测数据，计算变化趋势，如果所述变化趋势符合第一变化趋势时，则生成第三报警信息。进一步的，所述步骤1具体包括：步骤1，利用移动终端的摄像头获取人体指尖的体表图像。进一步的，所述步骤2具体包括，将所述人体体表图像转换为YUV色彩空间的数字图像，从所述数字图像中提取Y值和UV值。进一步的，所述步骤4中得到心率值具体包括：选择小波对所述第一图像灰度值曲线进行小波分解；对分解后的小波变换系数进行阈值量化；根据所述阈值量化后的系数重构小波，形成第二图像灰度值曲线；根据所述第二图像灰度值曲线的波峰数计算得到实时心率数据。进一步的，所述步骤4中得到血压值具体包括：选择小波对所述第一图像灰度值变化曲线进行小波分解,并对分解后的小波变换系数进行阈值量化；根据所述阈值量化后的系数重构小波，形成第二图像灰度值变化曲线；根据所述第二图像灰度值变化曲线的波峰数计算得到实时心率数据；根据心率与血压的关系以及所述实时心率数据计算得到血压数据。进一步的，所述步骤4中得到血液粘稠度值具体包括：根据所述第一图像色度值曲线确定血细胞比容的相对值,根据血细胞比容的相对值得到血液粘稠度值。进一步的，所述步骤4中得到血氧饱和度值具体包括：根据所述第一图像灰度值曲线得到光强变化率,根据所述光强变化率计算血氧饱和度值。进一步的，所述步骤6中的第一变化率为均方差变化率。进一步的，所述步骤7中，计算变化趋势具体为，按照检测时间间隔，计算单位时间的变化幅度，如果持续增加或者持续减少的第一变化趋势，当到达下次单位时间间隔将超过第四阈值或低于第五阈值，则生成第三报警信息。进一步的，所述步骤7之后还包括：步骤8，将所述变化趋势形成可视化图形展现。本专利技术图像处理方法，实现了以低的时间成本和经济成本获取到人体的检测数据。附图说明图1为本专利技术图像处理方法的流程图。具体实施方式下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。图1为本专利技术图像处理方法的流程图，如图所示，本专利技术具体包括如下步骤：步骤101，利用移动终端的图像获取装置获取人体体表图像；具体的利用移动终端的摄像头获取人体指尖的体表图像。为了节约图像采集的经济成本，所以利用了移动终端的摄像头，摄像头可以是移动终端已经配置的摄像头，也可以将移动终端外接其他摄像头(例如高清摄像头或专用摄像头)来采集人体体表图像。优选的，为了不使得体表图像的亮度太低或者灰度值太高，所以人体体表图像的采集点最好可以透光率高一些，这就使得体表尽可能的薄，所以优选地采集点是指尖。步骤102，人体体表图像中提取图像灰度值和色度值；具体包括，将人体体表图像转换为YUV色彩空间的数字图像，从数字图像中提取Y值和UV值。因为利用摄像头采集到的人体体表图像是模拟信号，所以需要将模拟信号转换为数字信号的图像。而数字图像数据可以是很多图像空间，例如RGB图像空间或YUV图像空间。如果为了便捷的采集图像的灰度数据，当然优选的是利用YUV图像空间，这样Y值就是图像的灰度值，UV值为色度值。步骤103，分别根据图像灰度值和色度值生成第一图像灰度值曲线和第一图像色度值曲线；第一图像灰度值曲线的建立需要连续的多个图像的灰度值才可以生成，因此在步骤101中采集的人体体表图像应该是连续的多个图像帧。从而识别得到多个图像的灰度值，由此生成第一图像灰度值曲线。同样，根据图像色度值生成第一图像色度值曲线。具体的，人体体表图像主要是采集血液颜色的灰度。步骤104，分别对所述第一图像灰度值曲线和第一图像色度值曲线进行曲线数据分析，从而得到人体检测数据；第一图像灰度值曲线和第一图像色度值曲线进行曲线数据分析，就是对血液颜色的明暗变化分析得到的脉搏波，通过对脉搏波的分析最终得到心率值、血压值、血液粘稠度值和血氧饱和度值。具体的，得到心率值具体包括：选择小波对第一图像灰度值曲线进行小波分解；对分解后的小波变换系数进行阈值量化；根据阈值量化后的系数重构小波，形成第二图像灰度值曲线；根据第二图像灰度值曲线的波峰数计算得到实时心率数据。视频数据在采集的过程中，不可避免会受到各种类型噪声的干扰，常见的噪声干扰来源主要有以下三种：第一种是肌电噪音，是由人体活动或肌肉紧张而引起的频率通常在5赫兹至2000赫兹之间；第二种是工频噪音，是由供电网络及其设备产生的空间电磁干扰在人体的反应，是固定频率的干扰，频率一般在50赫兹以上；第三种是基线漂移，是由人体呼吸、肢体活动等引起的低频干扰，稍微剧烈的肢体运动将引起心率波形信号发生严重的改变，频率一般在0.05赫兹至2赫兹之间。肌电噪声和基线漂移是重要的干扰源，在本例中采用小波阈值去噪的方法。小波函数在有限时间范围内变化，并且平均值为0。选取一个小波函数并确定一个小波分解的层次N，然后对第一图像灰度值曲线进行N层小波分解，得到小波系数，其中N为正整数。具体的，将第一图像灰度值曲线平均分解成若干个时间的部分灰度值曲线；将小波与部分灰度值曲线的起点对齐，计算第一时间部分灰度值曲线与小波函数的逼近程度，即计算小波变换系数，小波变换系数越大就意味着部分灰度值曲线与所选小波函数的波形越相近；然后将小波函数沿时间轴移动一个单位时间，计算下一个时间的部分灰度值曲线的小波变换系数，直到覆盖整个第一图像灰度值曲线。对于每一层的高频系数，选择一个阈值进行量化处理，得到新的小波系数。根据小波分解第N层的低频系数和经过量化处理后的第1层至第N层的高频系数，进行第一图像灰度值曲线的小波逆变换，得到第二图像灰度值曲线。因为每一次心跳运动导致了一次血液到达指尖毛细血管的波形流动，当毛细血管充血状态时，血液里含氧量增加，血液颜色呈鲜红色，平均灰度值较低，而在身体消耗掉血液中的氧之后，血液变成暗红色，因此计算血液颜色的变化周期便可计算出心跳运动的周期，即心率。根据第二图像灰度值变化曲线的波峰数和采集时间的比值，能够计算出每秒血液颜色变化的次数，再乘以60即为每分钟血液颜色变化的次数，从而的到实时心率数据。得到血压值具体包括：选择小波对第一图像灰度值变化曲线进行小波分解,并对分解后的小波变换系数进行阈值本文档来自技高网...

【技术保护点】
一种图像处理方法，其特征在于，所述方法包括：步骤1，利用移动终端的图像获取装置获取人体体表图像；步骤2，从所述人体体表图像中提取图像灰度值和色度值；步骤3，分别根据图像灰度值和色度值生成第一图像灰度值曲线和第一图像色度值曲线；步骤4，分别对所述第一图像灰度值曲线和第一图像色度值曲线进行曲线数据分析，从而得到人体检测数据，所述人体检测数据包括心率值、血压值、血液粘稠度值和血氧饱和度值；步骤5，当所述人体检测数据超过第一阈值时，或者小于第二阈值时，生成第一报警信息；步骤6，计算所述人体检测数据的第一变化率，如果所述第一变化率超过第三阈值，则生成第二报警信息；步骤7，根据多次所述人体检测数据，计算变化趋势，如果所述变化趋势符合第一变化趋势时，则生成第三报警信息。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：步骤1，利用移动终端的图像获取装置获取人体体表图像；步骤2，从所述人体体表图像中提取图像灰度值和色度值；步骤3，分别根据图像灰度值和色度值生成第一图像灰度值曲线和第一图像色度值曲线；步骤4，分别对所述第一图像灰度值曲线和第一图像色度值曲线进行曲线数据分析，从而得到人体检测数据，所述人体检测数据包括心率值、血压值、血液粘稠度值和血氧饱和度值；步骤5，当所述人体检测数据超过第一阈值时，或者小于第二阈值时，生成第一报警信息；步骤6，计算所述人体检测数据的第一变化率，如果所述第一变化率超过第三阈值，则生成第二报警信息；步骤7，根据多次所述人体检测数据，计算变化趋势，如果所述变化趋势符合第一变化趋势时，则生成第三报警信息。2.根据权利要求1所述的方法，其特征在于，所述步骤1具体包括：步骤1，利用移动终端的摄像头获取人体指尖的体表图像。3.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括，将所述人体体表图像转换为YUV色彩空间的数字图像，从所述数字图像中提取Y值和UV值。4.根据权利要求1所述的方法，其特征在于，所述步骤4中得到心率值具体包括：选择小波对所述第一图像灰度值曲线进行小波分解；对分解后的小波变换系数进行阈值量化；根据所述阈值量化后的系数重构小波，形成第二图像灰度值曲线；...

【专利技术属性】
技术研发人员：张作勇，曹鹏飞，胡鑫平，陈家制，
申请(专利权)人：江西博瑞彤芸科技有限公司，
类型：发明
国别省市：江西;36