一种基于视觉计算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基于视觉计算的非接触式呼吸监测方法，该方法包括：利用摄像机采集视频图像；感兴趣区域(ROI)定位；灰度化处理；利用创新改进的相位运动放大算法对呼吸运动进行相位运动放大处理；提取相位运动放大处理后的呼吸信号；对提取的呼吸信号进行卡尔曼滤波处理；使用SVM分类器对卡尔曼滤波后的呼吸信号波形进行分类；判断是否为低通气呼吸；非低通气时，使用带通滤器和快速傅利叶变换计算呼吸率，本发明专利技术解决了现有技术中接触式检测方法存在的问题，提供了一种超低功耗、基于视觉计算的非接触式监测方法，颠覆了现有技术中常规的相位运动放大方法，提高了非接触式呼吸监测结果及呼吸率计算的准确性，该方法具有较强的可操作性及实用性。

【技术实现步骤摘要】
一种基于视觉计算的非接触式呼吸监测方法
本专利技术涉及医疗呼吸监测
，具体涉及一种基于视觉计算的非接触式呼吸监测方法。
技术介绍
呼吸是人体非常重要的一项生理活动，人体的频率、强度、节奏等睡眠呼吸信号可以在很大程度上反应身体健康状况，揭示疾病的出现，因此，对人体睡眠呼吸监测具有非常重要的医学意义。呼吸频率的检测方式主要有接触式和非接触式两大类，目前，医用的呼吸监测主要以接触式监测方式为主，医学上对于实验讲求“双盲”，也就是受试者在没有心理干预的条件下完成实验，不要因为心理上的好恶和刺激而产生结果，如果用穿戴或接触式就有可能对实验数据产生影响，而接触式的检测不但会给病人带来不适感与束缚感，影响检测效果，而且对于特殊病人(婴儿、老人)很不方便，对此，非接触式的呼吸监测方法展现出了比较大的优势。非接触式的呼吸监测方法大都采用摄像头对呼吸信号进行视频图像采集，采用一系列的算法对采集的图像进行处理，但当呼吸信号微弱或者呼吸幅度较小时，得不到较好的呼吸信号，最终会导致呼吸监测结果不准确甚至失败的问题。
技术实现思路
本专利技术的目的在于：针对以上现有技术中接触式检测方法存在的问题以及非接触式监测方法中当呼吸微弱或幅度较小时难以准确的监测呼吸信号的技术问题，本专利技术提供了一种基于视觉计算的非接触式呼吸监测方法，本专利技术提供的技术方案不仅解决了接触式检测方法存在的问题，针对现有技术中非接触式呼吸监测方法存在的由于呼吸信号微弱或幅度较小而导致对呼吸信号的监测结果不准确的问题，提供了创新性的方案，对现有技术中相位运动放大方法进行创新性改进，并将该方法首次运用到非接触式呼吸监测过程中，对呼吸运动进行相位运动放大处理，实现了非接触式呼吸监测方法的实时监测，克服了现有技术中非接触式监测方法由于呼吸微弱或幅度较小而导致呼吸监测结果不准确的问题。本专利技术为了实现上述目的具体采用以下技术方案：一种基于视觉计算的非接触式呼吸监测方法，包括：第一步，利用网络摄像头采集视频图像；第二步，对采集到的视频图像进行感兴趣区域(ROI)定位；第三步，将定位到的感兴趣区域进行灰度化处理；第四步，利用改进的相位运动放大算法对呼吸运动进行相位运动放大处理计算；第五步，提取相位运动放大后的呼吸信号，对提取的呼吸信号进行卡尔曼滤波处理；第六步，通过卡尔曼滤波后，使用SVM分类器对波形进行分类；第七步，根据波形的分类判断是否低通气，如果分类的结果判断为低通气，则提示警告；第八步，波形被判定为非低通气时，使用带通滤器和快速傅利叶变换计算呼吸率。图1为本专利技术的对呼吸监测过程的方法流程图，所述呼吸监测方法对每一帧图像的计算时间小于33ms，所述呼吸监测方法可计算的呼吸信号的呼吸速率范围为5HZ～90HZ/分钟。进一步地，所述利用网络摄像头采集视频图像的步骤包括，将网络摄像头安装于床的正上方，使其能够全面观测到床的全部，在该步骤中，所述采集视频图像的尺寸最小为：360*240像素，采集速率为每秒25～30帧。具体地，所述对采集到的视频图像进行感兴趣区域(ROI)定位，由于传统的检测并没有指出人的胸口的具体位置，而且胸部也没有明显的识别特征，该步骤在对感兴趣区域进行定位的过程中，采用根据人脸的位置来定位胸部的位置的方法，根据经验统计量定位人体的胸口，因为该步骤中对感兴趣区域的定位只是为了缩小摄像机的监测范围，突出该区域的信号，因此并不需要特别高的定位精度，所以采用根据人脸的位置定位胸口位置的这种方法。进一步地，所述感兴趣区域(ROI)定位的方法包括，使用人脸监测算法，得到人脸框的位置,定义人脸的左上角的位置为(x1,y1),人脸框的高度为h,人脸框的宽度为w，然后根据经验统计量计算呼吸所需身体区域的长度为1.5*h,宽度为2*w，得到身体框区域，也就是该步骤定位的感兴趣区域。具体地，所述的对感兴趣区域进行灰度化处理，为了减小计算时间复杂度，将感兴趣区域进行灰度化处理。进一步地，所述利用改进的相位运动放大算法对呼吸运动进行相位运动放大的方法具体为：在原始算法中，在对视频进行空域分解时，是对不同尺度和不同方向都进行空域分解，最终得到不同尺度和不同方向的复数图像，为了算法的完备性，对图像还分了不同方向的不同频率进行滤波，在该专利技术的技术方案中，只做了一个尺度的一个方向的空域分解，对于视频图像中的其余噪声运动没有必要进行放大，所以该方法没有对视频图像中的其余噪声运动进行放大处理，只对呼吸运动进行了放大，且人在呼吸的时候，纵向的呼吸幅度最大，为了减小计算时间复杂度，能够满足实时计算的需求，该技术方案提供的相位运动方法算法只对纵向的低频进行放大，根据二维傅利叶变换的特性，频域图的亮度方向与原图的灰度变换方向有垂直关系，构建了一个低频的滤波器对图像的频域进行滤波，过程如图4展示的那样。改进的相位运动放大算法不但克服了现有的相位运动放大方法由于相位运动放大导致计算负荷增大，软件的鲁棒性降低而没办法将该技术充分运用到实际应用中的问题，该专利技术技术方案还将改进的相位运动放大算法运用到非接触式的呼吸监测过程中，让非接触式呼吸监测方法的实时监测成为可能。进一步地，所述对相位运动放大后的呼吸信号进行卡尔曼滤波处理，卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，为能够实时去除信号中的高频信号，对相位运动放大后的呼吸信号进行滤波处理。进一步地，所述使用SVM分类器对卡尔曼滤波后的波形进行分类，为了能够快速而且精确的判断是否低通气，该步骤使用机器学习中SVM分类器对呼吸的波形进行分类，对于核函数，分别尝试了线性核函数，多项式核函数，径向机核函数及SIGMOID核函数，最终发现，使用径向机核函数的精确度较高，收敛速度较快。进一步地，所述根据波形的分类判断是否低通气，根据波形分类后的结果，呼吸时(图5)，呼吸信号起浮比较明显，当低通所呼吸时(图6)，呼吸信号几乎是一条直线。进一步地，所述使用带通滤器和快速傅利叶变换计算呼吸率，对经过卡尔曼滤波后的呼吸信号进行傅利叶变换，求取频谱中幅值最大的位置就是计算的呼吸频率。与现有技术相比，本专利技术具有以下创新性操作及有益效果：首先，针对现有技术中接触式呼吸监测方法存在的问题，本专利技术公开了一种基于视觉计算的非接触式呼吸监测方法，该方法以网络摄像头的方式实时采集视频用于检测呼吸率与呼吸暂停，克服了接触式检测方法中存在的给病人带来不适感与束缚感，影响检测效果，且对于特殊病人(婴儿、老人)不方便的问题，能够及时的给出呼吸暂停的警告，减少危险的发生。针对现有技术中非接触式呼吸监测方法存在的由于胸腹部呼吸信号微弱或幅度较小会导致呼吸监测信号不准确的问题，提供了创新性的方案，对现有技术中相位运动放大方法进行创新性改进。在现有技术公开的线性欧拉运动方法是找到每一帧图像的边界，将每一帧的边界乘以一个放大系数，此方法随着放大系数的增加，噪音也会随之增加，噪音的增加会对结果产生影响，而另外一种基于图像相位的运动放大方法，相比于线性欧拉运动放大方法，支持更大的放大本文档来自技高网...

【技术保护点】
1.一种基于视觉计算的非接触式呼吸监测方法，其特征在于，包括如下过程：/n利用网络摄像机采集视频图像；/n对采集到的视频图像进行感兴趣区域(ROI)定位；/n将定位到的感兴趣区域进行灰度化处理；/n利用改进的相位运动放大算法对呼吸运动进行相位运动放大处理计算，所述改进的相位运动放大算法只对一个尺度的一个方向做空域分解，没有对视频图像中的其余噪声运动进行放大处理，只对呼吸运动进行了放大，根据人在呼吸的时候，纵向的呼吸幅度最大，所述改进的相位运动放大算法为了减小计算时间复杂度，能够满足实时计算的需求，只对纵向的低频进行放大，所述改进的相位运动放大算法根据二维傅利叶变换的特性，频域图的亮度方向与原图的灰度变换方向有垂直关系，构建了一个低频的滤波器对图像的频域进行滤波；/n提取相位运动放大处理后的呼吸信号，对提取的呼吸信号进行卡尔曼滤波处理；/n通过卡尔曼滤波后，使用SVM分类器对波形进行分类；/n若波形分类的结果判断为低通气,则被归为低通气,若判断为非低通气,则被归为非低通气；/n波形分类结果判断为非低通气时,使用带通滤器和快速傅利叶变换计算呼吸率。/n

【技术特征摘要】
1.一种基于视觉计算的非接触式呼吸监测方法，其特征在于，包括如下过程：
利用网络摄像机采集视频图像；
对采集到的视频图像进行感兴趣区域(ROI)定位；
将定位到的感兴趣区域进行灰度化处理；
利用改进的相位运动放大算法对呼吸运动进行相位运动放大处理计算，所述改进的相位运动放大算法只对一个尺度的一个方向做空域分解，没有对视频图像中的其余噪声运动进行放大处理，只对呼吸运动进行了放大，根据人在呼吸的时候，纵向的呼吸幅度最大，所述改进的相位运动放大算法为了减小计算时间复杂度，能够满足实时计算的需求，只对纵向的低频进行放大，所述改进的相位运动放大算法根据二维傅利叶变换的特性，频域图的亮度方向与原图的灰度变换方向有垂直关系，构建了一个低频的滤波器对图像的频域进行滤波；
提取相位运动放大处理后的呼吸信号，对提取的呼吸信号进行卡尔曼滤波处理；
通过卡尔曼滤波后，使用SVM分类器对波形进行分类；
若波形分类的结果判断为低通气,则被归为低通气,若判断为非低通气,则被归为非低通气；
波形分类结果判断为非低通气时,使用带通滤器和快速傅利叶变换计算呼吸率。


2.根据权利要求1所述的一种基于视觉计算的非接触式呼吸监测方法，其特征在于，所述采集视频图像的尺寸最小为：360*240像素，采集速率为每秒25～30帧。


3.根据权利要求1所述的一种基于视觉计算的非接触式呼吸监测方法，其特征在于，所述感兴趣区域(ROI)定位根据经...

【专利技术属性】
技术研发人员：李丹疆，黎平，刘萍，李东，
申请(专利权)人：贵阳像树岭科技有限公司，
类型：发明
国别省市：贵州;52