一种基于人脸视频的非接触式心率测量方法及系统技术方案

本发明专利技术提供了一种基于人脸视频的非接触式心率测量方法，涉及生物医学信息处理技术领域，具体包括如下步骤：视频采集；人脸检测；感兴趣区域选取；RGB通道分离及空间平均和预处理；固定点(Fixed

【技术实现步骤摘要】
一种基于人脸视频的非接触式心率测量方法及系统


[0001]本专利技术涉及生物医学信息处理领域，具体而言，涉及一种基于人脸视频的非接触式心率测量方法及系统。

技术介绍

[0002]据世界卫生组织(World Health Organization，WHO)统计，每年由于心血管疾病而死亡的人数比其他疾病致死人数更多，心血管疾病已然成为影响人们生活质量的重要因素。关于心血管疾病防治的调查研究显示：多数的心血管疾病是可预防、可监控的。心率是一种与心血管疾病密切相关的生理指标，所以心率检测对心血管疾病的监测和预防尤为重要。随着人口进一步老龄化，医生可以让他们的患者更持续地跟踪心率等因素将是有帮助的，这将使医生能够开出更有效的治疗处方。目前，根据设备是否与人体接触，心率检测方法分为接触式和非接触式。
[0003]接触式心率测量方法包括心电图和脉搏血氧计等。接触式心率测量方法测量时需要放置传感器在身体的某些部位，需要与受试者的体表接触，这种直接连接的测量方式限制了用户的移动性，可能会给用户造成不适感和不便，这些方法也特别不适用于新生儿或皮肤损伤患者。此外，有些设备只能由专业医务人员操作，不适用于病人的日常使用。
[0004]基于人脸视频的非接触式心率检测，能够在不与受试者发生接触的情况下，远程检测出受试者的心率参数。该方法具有低成本、操作简单、易实现等优点。如今非接触式心率测量方式越来越受到人们的关注，它将会给人类带来更多的方便。鉴于以上优点，非接触式心率测量是未来测量方式的趋势，为了满足人民日益增长的需求，实现舒适、简单、无创的人体心率测量，对日常监护、远程医疗都具有重要的实用价值和应用前景。
[0005]光电容积脉搏波描记法(Photo PlethysmoGraphy，PPG)是借助光电手段在活体组织中检测血液容积变化的一种无创检测方法。PPG技术需要发射一定波长的光束到皮肤表面，通过反射或透射的方式传到光电接收装置。研究发现，皮肤、组织、肌肉等对光的吸收在整个血液循环中是保持恒定不变的，而毛细血管内的血液容积在心脏搏动的作用下，外周血管内单位面积的血流量随心脏搏动的周期呈周期性变化。随着心脏跳动，血管中的血液量是不断变化的。当心脏向外泵血时，血管中血液量增加，皮肤表面血管对光线的吸收也随之增加，而其他组织对于光线的吸收基本不变，皮肤反射的光线相应减少；当血液回流心脏时，血管中的血液量减少，皮肤表面血管对光线的吸收也随之减少，而其他组织对于光线的吸收基本不变，皮肤反射的光线相应增加。
[0006]成像式光电容积脉搏波描记法(ImagePhotoPlethysmoGraphy，IPPG)是在PPG技术的基础上进行改进而来的，它使用相机、摄像头等成像设备代替了特定的传感器，在测量时无需接触被测部位，使用视频采集设备对被测部位进行一段时间的视频采集，在视频图像中分析被测部位亮度的变化(即反射光线强弱的变化)，得到的亮度波形即对应着动脉血液体积的变动，从中可以反映心血管的活动情况。即皮肤的反射光线变化可以反映心血管活动状况，通过对一段时间内皮肤反射光线的变化波形进行相应处理，可以得到心率等生理
信号。
[0007]传统测量光电容积脉搏波都需要特定的光束作为光源，但本专利技术基于IPPG技术在自然光源环境下采用人脸图像分离出脸部反射光线，无接触地得到人体生理参数。同样，基于视频的心率检测需要提取血液容积脉搏波(Blood Volume Pulse，BVP)信号。基于IPPG技术的非接触式心率测量可以提高用户的舒适度，它适用于长期心率监测和疾病预防。

技术实现思路

[0008]本专利技术旨在至少克服现有技术中存在的上述缺陷之一，提供了一种基于人脸视频的非接触式心率测量方法，该方法能够实现非接触式心率检测，并且能够提高心率检测的准确性和效率。
[0009]本专利技术通过以下方法实现：
[0010]一种基于人脸视频的非接触式心率测量方法，其具体包括如下步骤：
[0011]——视频采集：对需要测试的人脸进行连续的视频录制；
[0012]——人脸检测：对所录制视频中的人脸数据信息进行检测识别，按帧获取图像的人脸区域；
[0013]——感兴趣区域选取：对每帧视频进行人脸检测后选出选出相对稳定的含有人脸信息的区域作为感兴趣区域(region ofinterest，ROI)；
[0014]——RGB通道分离及空间平均和预处理：对每帧感兴趣区域分离RGB红、绿、蓝三通道数据，并分别做空间像素平均处理，形成RGB红、绿、蓝三通道信号；
[0015]——固定点(Fixed
‑
Point)算法：将做空间像素平均处理后的三个通道信号作为观测信号X，并从观测信号X中通过分离矩阵W得到源信号的估测值，用固定点(Fixed
‑
Point)算法从混合的观测信号X中分离出源信号，分别得到三个独立源信号s1、s2、s3，并将它们分别与绿色通道信号进行相关性分析，得到含噪脉搏波信号；
[0016]——改进的自适应噪声完全集合经验模态分解：将含噪脉搏波信号进行分解重构后，采用改进的自适应噪声完全集合经验模态分解的方法，选取能够反映心率频谱结构特征的IMF分量作为心率信号的估算信号；
[0017]——心率提取：将心率信号的估算信号转换为频域信号，功率谱密度最大峰值对应的频率为心率信号，频率位于心跳频带内的成分为估计的脉搏波，功率谱密度最大峰值对应的频率为心跳频率f
h
，心率为：HR＝60
×
f
h
。
[0018]优化的，视频采集过程中，在室内自然光条件下，利用普通摄像头在距离摄像头50
‑
60cm处采集测试者的视频。
[0019]优化的，人脸检测过程中，采用综合Adaboost和Cascade的算法进行检测。
[0020]优化的，感兴趣区域选取时选取额头区域作为ROI区域。
[0021]进一步，RGB通道分离及空间平均预处理时，依据式(1)进行处理得到相应通道的一维源信号：
[0022][0023]式中：n为图像帧数；
[0024]N为图像总的帧数；
[0025]X(n)为R、G或B通道一维源信号；
[0026]x
i,j
(n)为像素点(i，j)在对应通道的颜色强度值；
[0027]h和w分别为图像的高度和宽度。
[0028]进一步，固定点(Fixed
‑
Point)算法，具体分析过程包括：
[0029]三个相互独立的源信号s(t)＝[s1(t),s2(t),s3(t)]T
，观测信号是RGB三个颜色通道信号，则：
[0030]x(t)＝As(t)
ꢀꢀ
(2)
[0031]其中，t是图像帧数序列，A∈R3
×
3是未知的非奇异混合矩阵；
[0032][0033]其中是源信号的最优估计；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸视频的非接触式心率测量方法，其特征在于，具体包括如下步骤：——视频采集：对需要测试的人脸进行连续的视频录制；——人脸检测：对所录制视频中的人脸数据信息进行检测识别，按帧获取图像的人脸区域；——感兴趣区域选取：对每帧视频进行人脸检测后选出相对稳定的含有人脸信息的区域作为感兴趣区域ROI；——RGB通道分离及空间平均和预处理：对每帧感兴趣区域分离RGB红、绿、蓝三通道数据，并分别做空间像素平均处理，形成RGB红、绿、蓝三通道信号；——固定点(Fixed
‑
Point)算法：将做空间像素平均处理后的三个通道信号作为观测信号X，并从观测信号X中通过分离矩阵W得到源信号的估测值，用固定点(Fixed
‑
Point)算法从混合的观测信号X中分离出源信号，分别得到三个独立源信号s1、s2、s3，并将它们分别与绿色通道信号进行相关性分析，得到含噪脉搏波信号；——改进的自适应噪声完全集合经验模态分解：将含噪脉搏波信号进行分解重构后，采用改进的自适应噪声完全集合经验模态分解的方法，选取能够反映心率频谱结构特征的IMF分量作为心率信号的估算信号；——心率提取：将心率信号的估算信号转换为频域信号，频率位于心跳频带内的成分为估计的脉搏波，功率谱密度最大峰值对应的频率为心跳频率f
h
，心率为：HR＝60
×
f
h
。2.根据权利要求1所述的一种基于人脸视频的非接触式心率测量方法，其特征在于，视频采集过程中，在室内自然光条件下，利用普通摄像头在距离摄像头50
‑
60cm处采集测试者的视频。3.根据权利要求1所述的一种基于人脸视频的非接触式心率测量方法，其特征在于，人脸检测过程中，采用综合Adaboost和Cascade的算法进行检测。4.根据权利要求1所述的一种基于人脸视频的非接触式心率测量方法，其特征在于，感兴趣区域选取时选取额头区域作为ROI区域。5.根据权利要求1所述的一种基于人脸视频的非接触式心率测量方法，其特征在于，RGB通道分离及空间平均预处理时，依据式(1)进行处理得到相应通道的一维源信号：式中：n为图像帧数；N为图像总的帧数；X(n)为R、G或B通道一维源信号；x
i，j
(n)为像素点(i，j)在对应通道的颜色强度值；h和w分别为图像的高度和宽度。6.根据权利要求5所述的一种基于人脸视频的非接触式心率测量方法，其特征在于，固定点(Fixed
‑
Point)算法分析过程包括：三个相互独立的源信号s(t)＝[s1(t)，s2(t)，s3(t)]
T
，观测信号是RGB三个颜色通道信号，则：x(t)＝As(t) (2)其中，t是图像帧数序列，A∈R3
×
3是非奇异混合矩阵；
其中是源信号的最优估计；对观测信号的数据进行中心化的白化得到z(t)；设定一个具有单位范数的初始矩阵W；令w
i
＝E{2g(W
iT
z)}
‑
E{g
′
(W
iT
z)}w，其中，函数g是根据观测信号的数据的高斯性选定的非线性函数；对矩阵W＝[W1(t)，W2(t)，W3(t)]
T
进行对称正交化：W＝(WW
T
)
‑
1/2
W
ꢀꢀꢀꢀ
(4)若W不收敛，返回w
i
＝E{2g(W
iT
z)}
‑
E{g
′
(W
iT
z)}w，直到最后得到解混矩阵，将其代入式(3)得到源信号的最优估计。7.根据权利要求6所述的一种基于人脸视频的非接触...

【专利技术属性】
技术研发人员：赵明康，王镇，张帅，张雪莹，齐晨成，刘珺，徐桂芝，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：