一种非接触式的婴儿生理参数昼夜监护方法技术

本发明专利技术公开了一种非接触式的婴儿生理参数昼夜监护方法，通过当前时刻光照强度的判断，从而采用可见光摄像头或红外摄像头分别对婴儿进行非接触式生理参数的昼夜监测。具体包括当光照强度高于设定阈值时，利用总体平均经验模态分解法对可见光摄像头捕获的人脸和胸口感兴趣区域的平均像素集合进行本征模式分量提取，对得到的最佳本征模式分量进行峰值检测从而得到生理参数检测结果；否则，利用欧拉放大法对红外摄像头捕获的人脸和胸口感兴趣区域的平均像素集合进行重构，对重构后的平均像素集合进行生理参数检测，最终实现婴儿生理参数准确和昼夜无间断地连续检测，为婴儿的健康监护提供保障，从而预防婴儿疾病并降低婴儿意外猝死率。

A non-contact day and night monitoring method for infant physiological parameters

The invention discloses a non-contact diurnal monitoring method for infant physiological parameters. By judging the intensity of light illumination at the present time, the baby is monitored by the visible light camera or the infrared camera for the day and night monitoring of the non-contact physiological parameters of the baby. When the illumination intensity is higher than the set threshold, the total average empirical mode decomposition method is used to extract the eigenmode component of the average pixel set captured by the visible light camera and the region of interest in the chest. The optimal eigenmode components are detected by the peak value test to get the physiological parameter detection results. Otherwise, the Euler amplification method is used to reconstruct the average pixel set of the human face and the region of interest of the chest captured by the infrared camera. The physiological parameters of the reconstructed average pixel set are detected, and the infant's physiological parameters and the continuous detection of the day and night are realized, and the health care of the baby is guaranteed. Prevention of infant diseases and reduction of unexpected sudden death rate.

【技术实现步骤摘要】
一种非接触式的婴儿生理参数昼夜监护方法
本专利技术属于医学信息检测的
，尤其涉及一种非接触式的婴儿生理参数昼夜监护方法，主要应用于婴儿的家庭监护。
技术介绍
心率和呼吸率作为人体生命活动重要的生理参数，在生命体征监护和疾病的预防和诊断等领域具有重要应用价值。心率是指单位时间内心脏搏动的次数，一般指每分钟心脏搏动的次数(beatperminute，bpm)，对心血管疾病的诊断和监护具有重要意义；而呼吸率作为呼吸疾病的敏感指标之一，是指每分钟的呼吸次数。婴儿，相对于成人来说缺乏自理能力，由于小孩疾病、翻面、呛奶阻塞呼吸道，以及棉被或枕头等遮住口鼻等均会造成心率和呼吸率等生理参数发生异常。一旦出现异常情况，婴儿无法主动反馈。因此，对婴儿进行生理参数的昼夜监护非常必要。可以有效降低猝死意外发生的机率，并且监测疾病发生的预兆等。常规的婴儿生理参数检测仪器一般是接触式的，包括心电图机、可穿戴式的、床垫式等。由于准确率高，广泛应用于临床医学和日常监护等场合。但是，一般接触式的检测方法通常需要涂抹导电凝胶，或采用吸附电极作用于胸部，或使用弹簧夹夹在耳垂或手指等部位。这些电极接触方式可能会引起皮肤刺激或者疼痛等不适，尤其不适合皮肤脆弱的婴儿进行长期监护。近些年来，由于摄像头的普及，基于视频的非接触式生理参数检测方法引起了广泛的关注。由于人体心跳和呼吸等生理活动会引起相应信号的微小变化，因此，可以使用信息技术手段可以从连续的视频信号中恢复出与生理活动有关的信号，从而计算出心率和呼吸率等相关生理参数。它克服了常规接触式生理参数检测方法的不足，提高了生理参数检测的舒适度，并且能够满足一些特殊情况的使用要求，例如，婴儿的家庭医疗、航天医疗、重症监护室等环境。但是，通常采集视频的摄像头为可见光摄像头，其在光照强度较低甚至是黑暗情况下捕获的视频图像无法反映真实的颜色变化，导致无法进一步进行生理参数检测。
技术实现思路
本专利技术为克服现有技术的不足之处，提供一种非接触式的婴儿生理参数昼夜监护方法，以期通过可见光摄像头和红外摄像头相结合，图像处理技术和信号分析技术相结合，实现婴儿心率准确和昼夜无间断地连续检测，为婴儿的健康监护提供保障，从而预防婴儿疾病并降低婴儿意外猝死率。本专利技术为解决技术问题采用如下技术方案：本专利技术一种非接触式的婴儿生理参数昼夜监护方法的特点是按如下步骤进行：步骤1：利用光通量勒克斯检测流明计获取当前时刻的光照强度并判断所获取的光照强度是否大于所设定的阈值，若大于，则表明光线条件充足，并执行步骤2；否则，表示光线条件不充足，并执行步骤10；步骤2、利用可见光摄像头采集婴儿上半身的I帧视频F，记为F＝[f1,f2,…,fi,…,fI]，fi表示所述婴儿上半身视频F中第i帧图像，i＝1,2,...,I；利用特征点检测算法对所述第i帧图像fi中的人脸进行定位，得到所述第i帧图像fi的人脸感兴趣区域；从而以所述第i帧图像fi的人脸感兴趣区域的下边界为基准线，得到所述第i帧图像fi的胸口感兴趣区域，所述第i帧图像fi的胸口感兴趣区域的大小等于所述第i帧图像fi的人脸感兴趣区域的大小；步骤3、对所述第i帧图像fi的人脸感兴趣区域和胸口感兴趣区域分别计算N个颜色通道的平均像素，得到所述I帧视频F的人脸感兴趣区域第n个颜色通道的平均像素集Xn＝[x1,n,x2,n,…,xi,n,…,xI,n]和所述I帧视频F的胸口感兴趣区域第n个颜色通道的平均像素集Yn＝[y1,n,y2,n,…,yi,n,…,yI,n]；xi,n表示所述第i帧图像fi的人脸感兴趣区域的第n个颜色通道的平均像素，yi,n表示所述第i帧图像fi的胸口感兴趣区域的第n个颜色通道的平均像素，n＝1,2,...,N；从而得到I帧视频F的人脸感兴趣区域N个颜色通道的平均像素集合X＝[X1,X2,…,Xn,…,XN]T和胸口感兴趣区域N个颜色通道的平均像素集合Y＝[Y1,Y2,…,Yn,…,YN]T；步骤4、利用总体平均经验模态分解法分别对I帧视频F的任意第n个颜色通道的人脸感兴趣区域数据集Xn和胸口感兴趣区域数据集Yn进行分解，得到A个人脸本征模式分量集S＝[S1,S2,…,Sa,…,SA]T和B个胸口本征模式分量集R＝[R1,R2,…,Rb,…,RB]T，其中，Sa和Rb分别表示所述人脸本征模式分量集S中第a个人脸本征模式分量和胸口本征模式分量集R中第b个人脸本征模式分量；a＝1,2,...,A，b＝1,2,...,B；步骤5、定义人脸候选本征模式分量集Scandi和胸口候选本征模式分量集Rcandi，并初始化Scandi和Rcandi为空，a＝1，b＝1；步骤6、分别计算第a个人脸本征模式分量Sa和第b个胸口本征模式分量Rb的频谱图，判断第a个频谱图中的最大幅值所对应的频率分量是否处于所设定的心率范围内，若处于，则将所述第a个人脸本征模式分量Sa放入所述人脸候选本征模式分量集Scandi中；若第b个频谱图中的最大幅值所对应的频率分量是否处于所设定的呼吸率范围内，则将所述第b个胸口本征模式分量Rb放入所述胸口候选本征模式分量集Rcandi中，否则，执行步骤7；步骤7、将a+1赋值给a，将b+1赋值给b后返回步骤6，直到a＞A且b＞B为止，从而得到所述人脸候选本征模式分量集Scandi和胸口候选本征模式分量集Rcandi；步骤8、比较所述人脸候选本征模式分量集Scandi中每个人脸本征模式分量频率所对应的最大幅值，并选取最大值所对应的本征模式分量作为人脸最佳本征模式分量，对所述人脸最佳本征模式分量采用峰值检测算法获得心率检测结果；比较所述胸口候选本征模式分量集Rcandi中每个胸口本征模式分量频率所对应的最大幅值，并选取最大值所对应的本征模式分量作为胸口最佳本征模式分量，对所述胸口最佳本征模式分量采用峰值检测算法获得呼吸率检测结果；步骤9、判断心率检测结果和呼吸率的检测结果是否在正常范围内，若是，则重复步骤1，否则，发出报警后再重复步骤1；步骤10、利用红外光摄像头获取婴儿上半身的I帧视频F，并转化为I帧灰度视频图像，记为G＝[g1,g2,…gi,…,gI]，i＝1,2,...,I；步骤11、通过拉普拉斯金字塔塔式分解法将所述I帧灰度视频图像G分解成M个空间频带的信号；步骤12、设定巴特沃斯滤波器的频率范围为生命体征参数的正常范围，采用巴特沃斯滤波器提取第m个空间频带的生命体征参数信号，m＝1,2,...,M；步骤13、对第m个空间频带的生命体征参数信号进行滤波和放大处理，得到预处理后的第m个空间频带的生命体征参数信号；步骤14、将所述第m个空间频带的生命体征参数信号与第m个空间频带的信号相加，得到第m个空间频带重建后的I帧视频图像；从而得到M个空间频带的重建后的I帧视频图像；步骤15、利用拉普拉斯金字塔塔式分解法的逆过程对所述M个空间频带的I帧视频图像进行处理，得到重构后的I帧视频图像序列步骤16、利用特征点检测算法对所述重构后的I帧视频图像序列进行人脸定位，得到人脸感兴趣区域，从而以所述人脸感兴趣区域的下边界为基准线，得到相应的胸口感兴趣区域，所述胸口感兴趣区域的大小等于所述胸口感兴趣区域的大小；步骤17、对所述重构后的I帧视频图像序列分别计算人脸感兴趣区域和胸本文档来自技高网...

【技术保护点】
1.一种非接触式的婴儿生理参数昼夜监护方法，其特征是按如下步骤进行：步骤1：利用光通量勒克斯检测流明计获取当前时刻的光照强度并判断所获取的光照强度是否大于所设定的阈值，若大于，则表明光线条件充足，并执行步骤2；否则，表示光线条件不充足，并执行步骤10；步骤2、利用可见光摄像头采集婴儿上半身的I帧视频F，记为F＝[f1,f2,…,fi,…,fI]，fi表示所述婴儿上半身视频F中第i帧图像，i＝1,2,...,I；利用特征点检测算法对所述第i帧图像fi中的人脸进行定位，得到所述第i帧图像fi的人脸感兴趣区域；从而以所述第i帧图像fi的人脸感兴趣区域的下边界为基准线，得到所述第i帧图像fi的胸口感兴趣区域，所述第i帧图像fi的胸口感兴趣区域的大小等于所述第i帧图像fi的人脸感兴趣区域的大小；步骤3、对所述第i帧图像fi的人脸感兴趣区域和胸口感兴趣区域分别计算N个颜色通道的平均像素，得到所述I帧视频F的人脸感兴趣区域第n个颜色通道的平均像素集Xn＝[x1,n,x2,n,…,xi,n,…,xI,n]和所述I帧视频F的胸口感兴趣区域第n个颜色通道的平均像素集Yn＝[y1,n,y2,n,…,yi,n,…,yI,n]；xi,n表示所述第i帧图像fi的人脸感兴趣区域的第n个颜色通道的平均像素，yi,n表示所述第i帧图像fi的胸口感兴趣区域的第n个颜色通道的平均像素，n＝1,2,...,N；从而得到I帧视频F的人脸感兴趣区域N个颜色通道的平均像素集合X＝[X1,X2,…,Xn,…,XN]T和胸口感兴趣区域N个颜色通道的平均像素集合Y＝[Y1,Y2,…,Yn,…,YN]T；步骤4、利用总体平均经验模态分解法分别对I帧视频F的任意第n个颜色通道的人脸感兴趣区域数据集Xn和胸口感兴趣区域数据集Yn进行分解，得到A个人脸本征模式分量集S＝[S1,S2,…,Sa,…,SA]T和B个胸口本征模式分量集R＝[R1,R2,…,Rb,…,RB]T，其中，Sa和Rb分别表示所述人脸本征模式分量集S中第a个人脸本征模式分量和胸口本征模式分量集R中第b个人脸本征模式分量；a＝1,2,...,A，b＝1,2,...,B；步骤5、定义人脸候选本征模式分量集Scandi和胸口候选本征模式分量集Rcandi，并初始化Scandi和Rcandi为空，a＝1，b＝1；步骤6、分别计算第a个人脸本征模式分量Sa和第b个胸口本征模式分量Rb的频谱图，判断第a个频谱图中的最大幅值所对应的频率分量是否处于所设定的心率范围内，若处于，则将所述第a个人脸本征模式分量Sa放入所述人脸候选本征模式分量集Scandi中；若第b个频谱图中的最大幅值所对应的频率分量是否处于所设定的呼吸率范围内，则将所述第b个胸口本征模式分量Rb放入所述胸口候选本征模式分量集Rcandi中，否则，执行步骤7；步骤7、将a+1赋值给a，将b+1赋值给b后返回步骤6，直到a＞A且b＞B为止，从而得到所述人脸候选本征模式分量集Scandi和胸口候选本征模式分量集Rcandi；步骤8、比较所述人脸候选本征模式分量集Scandi中每个人脸本征模式分量频率所对应的最大幅值，并选取最大值所对应的本征模式分量作为人脸最佳本征模式分量，对所述人脸最佳本征模式分量采用峰值检测算法获得心率检测结果；比较所述胸口候选本征模式分量集Rcandi中每个胸口本征模式分量频率所对应的最大幅值，并选取最大值所对应的本征模式分量作为胸口最佳本征模式分量，对所述胸口最佳本征模式分量采用峰值检测算法获得呼吸率检测结果；步骤9、判断心率检测结果和呼吸率的检测结果是否在正常范围内，若是，则重复步骤1，否则，发出报警后再重复步骤1；步骤10、利用红外光摄像头获取婴儿上半身的I帧视频F，并转化为I帧灰度视频图像，记为G＝[g1,g2,…gi,…,gI]，i＝1,2,...,I；步骤11、通过拉普拉斯金字塔塔式分解法将所述I帧灰度视频图像G分解成M个空间频带的信号；步骤12、设定巴特沃斯滤波器的频率范围为生命体征参数的正常范围，采用巴特沃斯滤波器提取第m个空间频带的生命体征参数信号，m＝1,2,...,M；步骤13、对第m个空间频带的生命体征参数信号进行滤波和放大处理，得到预处理后的第m个空间频带的生命体征参数信号；步骤14、将所述第m个空间频带的生命体征参数信号与第m个空间频带的信号相加，得到第m个空间频带重建后的I帧视频图像；从而得到M个空间频带的重建后的I帧视频图像；步骤15、利用拉普拉斯金字塔塔式分解法的逆过程对所述M个空间频带的I帧视频图像进行处理，得到重构后的I帧视频图像序列...

【技术特征摘要】
1.一种非接触式的婴儿生理参数昼夜监护方法，其特征是按如下步骤进行：步骤1：利用光通量勒克斯检测流明计获取当前时刻的光照强度并判断所获取的光照强度是否大于所设定的阈值，若大于，则表明光线条件充足，并执行步骤2；否则，表示光线条件不充足，并执行步骤10；步骤2、利用可见光摄像头采集婴儿上半身的I帧视频F，记为F＝[f1,f2,…,fi,…,fI]，fi表示所述婴儿上半身视频F中第i帧图像，i＝1,2,...,I；利用特征点检测算法对所述第i帧图像fi中的人脸进行定位，得到所述第i帧图像fi的人脸感兴趣区域；从而以所述第i帧图像fi的人脸感兴趣区域的下边界为基准线，得到所述第i帧图像fi的胸口感兴趣区域，所述第i帧图像fi的胸口感兴趣区域的大小等于所述第i帧图像fi的人脸感兴趣区域的大小；步骤3、对所述第i帧图像fi的人脸感兴趣区域和胸口感兴趣区域分别计算N个颜色通道的平均像素，得到所述I帧视频F的人脸感兴趣区域第n个颜色通道的平均像素集Xn＝[x1,n,x2,n,…,xi,n,…,xI,n]和所述I帧视频F的胸口感兴趣区域第n个颜色通道的平均像素集Yn＝[y1,n,y2,n,…,yi,n,…,yI,n]；xi,n表示所述第i帧图像fi的人脸感兴趣区域的第n个颜色通道的平均像素，yi,n表示所述第i帧图像fi的胸口感兴趣区域的第n个颜色通道的平均像素，n＝1,2,...,N；从而得到I帧视频F的人脸感兴趣区域N个颜色通道的平均像素集合X＝[X1,X2,…,Xn,…,XN]T和胸口感兴趣区域N个颜色通道的平均像素集合Y＝[Y1,Y2,…,Yn,…,YN]T；步骤4、利用总体平均经验模态分解法分别对I帧视频F的任意第n个颜色通道的人脸感兴趣区域数据集Xn和胸口感兴趣区域数据集Yn进行分解，得到A个人脸本征模式分量集S＝[S1,S2,…,Sa,…,SA]T和B个胸口本征模式分量集R＝[R1,R2,…,Rb,…,RB]T，其中，Sa和Rb分别表示所述人脸本征模式分量集S中第a个人脸本征模式分量和胸口本征模式分量集R中第b个人脸本征模式分量；a＝1,2,...,A，b＝1,2,...,B；步骤5、定义人脸候选本征模式分量集Scandi和胸口候选本征模式分量集Rcandi，并初始化Scandi和Rcandi为空，a＝1，b＝1；步骤6、分别计算第a个人脸本征模式分量Sa和第b个胸口本征模式分量Rb的频谱图，判断第a个频谱图中的最大幅值所对应的频率分量是否处于所设定的心率范围内，若处于，则将所述第a个人脸本征模式分量Sa放入所述人脸候选本征模式分量集Scandi中；若第b个频谱图中的最大幅值所对应的频率分量是否处于所设定的呼吸率范围内，则将所述第b个胸口本征模式分量Rb放入所述胸口候选本征模式分量集Rcandi中，否则，执行步骤7；步骤7、将a+1赋值给a，将b+1赋值给...

【专利技术属性】
技术研发人员：陈勋，成娟，宋仁成，徐灵曦，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34