一种基于人脸识别的复杂光源下的快速心率检测方法技术

本发明专利技术涉及生物医学工程技术领域。技术方案是：一种基于人脸识别的复杂光源下的快速心率检测方法，依序包括信号源选择、信号预处理与数据判决三个步骤；1)所述信号源选择依次包括：(1)实时采集通用摄像头的视频流数据，针对每一帧做人脸识别；(2)通过HaarCascade获取额头和脸颊的三个主图像兴趣区域(ROI)；(3)使用15x15像素的窗口在每个主ROI中从左到右、从上到下，逐个像素进行扫描；通过连续两帧的同一窗口获取皮肤曝光样本数据。该方法能实现心率的无创快速连续非接触测量，并且通过通用型摄像头工作在复杂光源的环境下实现检测，具有使用场景丰富、实施成本较低的特点。实施成本较低的特点。实施成本较低的特点。

【技术实现步骤摘要】
一种基于人脸识别的复杂光源下的快速心率检测方法


[0001]本专利技术涉及生物医学工程
，具体是一种基于通用摄像头的快速心率检测方法。

技术介绍

[0002]目前基于RGB摄像头的人体心率监测，需要在稳定且充足的光线环境下通过连续采集15
‑
30秒的数据并进行数据处理分析实现的；若在有频闪的复杂光源下，有可能产生检测数据的准确率问题，因而导致此类检测的应用范围受到限制；有必要加以改进。

技术实现思路

[0003]本专利技术旨在提供一种基于人脸识别的复杂光源下的快速心率检测方法，以实现心率的无创快速连续非接触测量，并且通过通用型摄像头工作在复杂光源的环境下实现检测，具有使用场景丰富、实施成本较低的特点。
[0004]本专利技术提供的技术方案是：
[0005]一种基于人脸识别的复杂光源下的快速心率检测方法，依序包括信号源选择、信号预处理与数据判决三个步骤；
[0006]1)所述信号源选择依次包括：
[0007](1)实时采集通用摄像头的视频流数据，针对每一帧做人脸识别；
[0008](2)通过HaarCascade获取额头和脸颊的三个主图像兴趣区域(ROI)；
[0009](3)使用15x15像素的窗口在每个主ROI中从左到右、从上到下，逐个像素进行扫描；通过连续两帧的同一窗口获取皮肤曝光样本数据；
[0010](4)保留SE为正数的窗口，并且确定为子ROI；
[0011](5)获取主ROI之外的面部灰度值，并且记录连续两帧的灰度差值(NF)，用于噪声模型分析。
[0012]2)信号预处理：
[0013](1)计算多个子ROI的绿色分量均值，并且根据帧序列，以FIFO方式加入信号预处理数组(SF)；
[0014](2)在SF中，通过筛出偏离主体值较大的数值，实现初步噪声抑制；
[0015](3)将做好噪声预处理的SF进行标准化和去趋势的数据处理；
[0016](4)使用5阶以上的巴特沃斯带通滤波器对于SF进行滤波，去除低频和高频的噪声干扰，增加人体合理心率值范围的增益；
[0017](5)将NF(非ROI面部灰度信号)进行频域转化，得到环境光实时噪声信号模型；
[0018]3)数据判决：
[0019](1)根据预处理完成的SF的时域信号，使用1.5秒～2秒的汉明窗，进行短时傅里叶变换(STFT)；
[0020](2)通过短时傅里叶变换可以不断获取SF的最大功率的频谱(PF)，然后通过计算
得到心率(BPM)，BPM＝PF*60；
[0021](3)在基于时间序列的心率值数组中，通过数组质心的计算得到最大似然心率值(ML_BPM)；
[0022](4)根据人脸识别获取的FaceID，从数据库中提取相关人体的心率值历史数据；
[0023](5)将ML_BPM和历史数据，进行比对，选取ML_BPM数组中与历史数据范围重合度最高的数据，并且完成心率值的判决，并且更新数据库。
[0024]所述皮肤曝光样本数据(SE)由窗口内红色通道和绿色通道以及亮度决定，即SE＝(
‑
1)*Δr*Δg/gray，
[0025]其中：Δr是两帧同一窗口内红色分量均值差；
[0026]Δg是两帧同一窗口内绿色分量均值差；
[0027]gray是两帧同一窗口内灰度均值。
[0028]本专利技术的有益效果是：
[0029]1、基于快速人脸追踪，获取主ROI。基于皮肤曝光样本的数据，在主ROI 中提取一个或者多个高信噪比的子ROI，进行RPPG计算；有效避免眼镜、胡子、口罩、阴影以及淡妆的影响，有效提高数据锁定的时间；
[0030]2、将心率数据与FaceID绑定，可定义一种新的面部心率特征矩阵；可支持多人串行或者并行监测，可追踪特定面孔的心率变化，可根据特定面孔的数据记录迭代式修正测算精度；
[0031]3、自适应约束可变光源影响，采集及计算非ROI区域以及静态区域的光源变化；基于ROI区域的RPPG数据，在频域使用频闪增益率进行数值修正。
附图说明
[0032]图1是本专利技术实施例的流程图。
[0033]图2是本专利技术中的面部三个主图像兴趣区域选择示意图。
[0034]图3是本专利技术中的信号源选择示意图。
[0035]图4是本专利技术中的短时傅里叶变换实验结果示意图。
[0036]图5是本专利技术中脉搏波的实验结果示意图。
具体实施方式
[0037]以下结合说明书附图所示实施例，对本专利技术作进一步说明，但本专利技术并不局限于以下实施例。
[0038]本专利技术关键技术点是：
[0039]1、基于皮肤曝光样本数据的面部子ROI的信号源获取；
[0040]2、基于面部非ROI数据的脉搏波降噪；
[0041]3、基于人脸识别的心率数据库动态更新。
[0042]附图所示的一种基于人脸识别的复杂光源下的快速心率检测方法，依序包括信号源选择、信号预处理与数据判决三个步骤；
[0043]1)所述信号源选择依次包括：
[0044](1)实时采集通用摄像头的视频流数据，针对每一帧做人脸识别；
[0045](2)通过HaarCascade获取额头和脸颊的三个主图像兴趣区域(ROI；参见图2)；
[0046](3)使用15x15像素的窗口在每个主ROI中从左到右、从上到下，逐个像素进行扫描(参见图3)；通过连续两帧的同一窗口获取皮肤曝光样本数据；
[0047]皮肤曝光样本数据(SE)由窗口内红色通道和绿色通道以及亮度决定，即 SE＝(
‑
1)*Δr*Δg/gray，其中Δr是两帧同一窗口内红色分量均值差，Δg是两帧同一窗口内绿色分量均值差，gray是两帧同一窗口内灰度均值；
[0048](4)保留SE为正数的窗口，并且确定为子ROI；
[0049](5)获取主ROI之外的面部灰度值，并且记录连续两帧的灰度差值(NF)，用于噪声模型分析。
[0050]2)信号预处理：
[0051](1)计算多个子ROI的绿色分量均值，并且根据帧序列，以FIFO方式加入信号预处理数组(SF)；
[0052](2)在SF中，通过筛出偏离主体值较大的数值，实现初步噪声抑制；
[0053](3)将做好噪声预处理的SF进行标准化和去趋势的数据处理；
[0054](4)使用5阶以上的巴特沃斯带通滤波器对于SF进行滤波，去除低频和高频的噪声干扰，增加人体合理心率值范围的增益；
[0055](5)将NF(非ROI面部灰度信号)进行频域转化，得到环境光实时噪声信号模型；根据不同实际环境的频闪增益率(FJ)，实现频域的实时环境光噪声抑制。
[0056]3)数据判决：
[0057](1)根据预处理完成的SF的时域信号，使用1.5秒～2秒的汉明窗，进行短时傅里叶变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别的复杂光源下的快速心率检测方法，依序包括信号源选择、信号预处理与数据判决三个步骤；1)所述信号源选择依次包括：(1)实时采集通用摄像头的视频流数据，针对每一帧做人脸识别；(2)通过HaarCascade获取额头和脸颊的三个主图像兴趣区域ROI；(3)使用15x15像素的窗口在每个主ROI中从左到右、从上到下，逐个像素进行扫描；通过连续两帧的同一窗口获取皮肤曝光样本数据SE；(4)保留SE为正数的窗口，并且确定为子ROI；(5)获取主ROI之外的面部灰度值，并且记录连续两帧的灰度差值，用于噪声模型分析；2)信号预处理：(1)计算多个子ROI的绿色分量均值，并且根据帧序列，以FIFO方式加入信号预处理数组；(2)在信号预处理数组中，通过筛出偏离主体值较大的数值，实现初步噪声抑制；(3)将做好噪声预处理的信号预处理数组进行标准化和去趋势的数据处理；(4)使用5阶以上的巴特沃斯带通滤波器对于信号预处理数组进行滤波；(5)将非ROI面部灰度信号进行频域转化，得到环境光实...

【专利技术属性】
技术研发人员：冯佳良，陈松，赵霏，
申请(专利权)人：杭州崇基科技有限公司，
类型：发明
国别省市：