一种非接触式人体血氧饱和度检测方法、装置及设备制造方法及图纸

本发明专利技术实施例中提供的基于机器学习的非接触式人体血氧饱和度检测方法、装置以及计算机设备，获取目标人体的图像信息，从图像信息中确定面部感兴趣区域ROI区域，将面部ROI区域划分为多个子ROI，对面部子ROI区域进行质量评价，将信噪比低的子ROI剔除，同时，对保留的ROI信号进行加权平均，提高了血氧饱和度解算信号的信噪比。其次，除了传统算法使用的ratio of ratio参数，本发明专利技术还增加了Red、Green和Blue三个通道的灰度值平均值作为输入参量一起进行机器学习训练，该方法除了考虑了皮肤对光的反射，同样考虑了光的散射对血氧饱和度估计的影响，提高了非接触测量精度。提高了非接触测量精度。提高了非接触测量精度。

A non-contact human oxygen saturation detection method, device and equipment

【技术实现步骤摘要】
一种非接触式人体血氧饱和度检测方法、装置及设备


[0001]本专利技术涉及图像处理领域，特别涉及一种基于机器学习的非接触式人体血氧饱和度检测方法、装置及计算机设备。

技术介绍

[0002]血氧饱和度是一项人体重要的生命指标，是反映人体呼吸循环功能、衡量人体血液携氧能力的指标，血氧饱和度一旦降低意味着人的生命受到威胁。测定动脉血氧饱和度有两种方法，一种是抽取动脉血，利用血气分析仪测得动脉血氧分压(PaO2)，再通过血红蛋白
‑
氧离解曲线得到SaO2，其缺点是观察病情变化需要反复抽血。另一种方法是采用脉搏血氧饱和度监护仪测定，它小巧灵便、无须抽取血液、精确度高，广泛应用于临床。但血氧饱和度监护仪是接触式测量，接触式测量会增加交叉传染的风险。所以，非接触式血氧饱和度的测量得到了广泛的关注。
[0003]现有的非接触血氧测量技术是基于彩色摄像头采集被测目标红色 (Red)、绿色(Green)和蓝色(Blue)三个波段的数据。然后，采用 ratio of ratio算法，分别出计算红色和绿色(或者蓝色)波段交流分量和直流分量的比值，血氧饱和度与红色和绿色(或者)两个波段的比值成一定的比例关系。最后，通过一定数量的样本训练后，就可以准确地估计血氧饱和度。
[0004]现有技术有两个缺点：
[0005]其一：现有技术主要选择被测目标面部上的一个区域，提取整个区域的RGB信号进行处理并解算血氧饱和度。但由于面部血管分布不同，面部不同区域具有不同强度的血液脉动，有些区域的血液脉动很弱，如果将这些低信噪比区域加入血氧饱和度的计算，会降低血氧饱和度解算精度。
[0006]其二：现有技术只是使用红色和绿色(或者蓝色)两个波段PPG信号计算得到的ratio of ratio参数估计血氧饱和度，但是没有考虑到光的散射效应对血氧饱和度估计的影响。

技术实现思路

[0007]有鉴于此，本专利技术实施例中提供一种基于机器学习的非接触式人体血氧饱和度检测方法、装置及计算机设备，提高血氧饱和度估计精度。
[0008]第一方面，本专利技术实施例提供了一种基于机器学习的非接触式人体血氧饱和度检测方法，包括：
[0009]获取目标人体的图像信息；
[0010]从所述图像信息中确定面部感兴趣区域ROI区域；
[0011]将所述面部ROI区域划分为多个子ROI；
[0012]对所述子ROI进行质量评价，将信噪比低的子ROI剔除，对保留的ROI信号进行加权平均；
[0013]在使用红色、绿色或者蓝色中任意两个波段ratio of ratio结果作为输入参数的基础上，增加ROI内红色、绿色和蓝色通道灰度值作为血氧饱和度的输入参数，使用多参数进行机器学习训练得到血氧饱和度的估计值。
[0014]作为一种可选的方案，所述对所述子ROI进行质量评价，将信噪比低的子ROI剔除，对保留的ROI信号进行加权平均，包括：
[0015]提取每个所述子ROI的PPG信号，进行滤波后进行快速傅里叶fft 变换，在频域内对各个所述子ROI进行质量评价，质量评价公式如下式所示：
[0016][0017]式中，Metric
i
为每个子ROI的评价系数，[PR
‑
b,PR+b]为心跳频率附近的微小频率范围，[B1,B2]为带通滤光范围；
[0018]确定出每个所述子ROI的评价系数，将评价系数低于预设阈值的子ROI剔除，保留下来的所有子ROI建立ROI子集。
[0019]作为一种可选的方案，所述对保留的ROI信号进行加权平均，包括：
[0020]对ROI子集进行加权平均得到用于进行血氧计算的PPG信号，令 ROI子集为[ROI1,ROI2,...,ROI
m
]，对应的PPG信号和评价系数分别为 [PPG1,PPG2,...,PPG
m
]，[Metric1,Metric2,...,Metric
m
]，其中，m为子ROI 的数量，加权平均过程如下式所示：
[0021]PPG
calc
＝Metric1·
PPG1+Metric2·
PPG2+
…
+Metric
m
·
PPG
m
ꢀꢀꢀ
(2)。
[0022]作为一种可选的方案，所述在使用红色、绿色或者蓝色中任意两个波段ratio of ratio结果作为输入参数的基础上，增加ROI内红色、绿色和蓝色通道灰度值作为血氧饱和度的输入参数，使用多参数进行机器学习训练得到血氧饱和度的估计值，包括：
[0023]计算ratio of ratio结果，分别提取PPG
calc
的红色和绿色波段的时间序列，分别计算两个波段的交流信号AC和直流信号DC，得到ratio of ratio结果如公式(3)所示；
[0024][0025]式中，AC
calc_red
和DC
calc_red
是红色通道ROI
calc
区域平均值随着时间变化的交流分量和直流分量，AC
calc_green
和DC
calc_green
是绿色通道ROI
calc
区域平均值随着时间变化的交流分量和直流分量；
[0026]提取ROI
calc
区域内加权平均PPG
calc
信号的Red、Green和Blue三个通道的灰度值平均值Gray
red
、Gray
green
和Gray
blue
，作为血氧饱和度计算的输入参量；
[0027]以4个参量ratio of ratio结果、Gray
red
、Gray
green
和Gray
blue
作为输入参量，通过机器学习算法，对一定量的样本进行训练，得到最终血氧饱和度的估计值。
[0028]第二方面，本专利技术实施例提供了一种基于机器学习的非接触式人体血氧饱和度检测装置，包括：
[0029]获取模块，用于获取目标人体的图像信息；
[0030]确定模块，用于从所述图像信息中确定面部感兴趣区域ROI区域；
[0031]划分模块，用于将所述面部ROI区域划分为多个子ROI；
[0032]评价模块，用于对所述子ROI进行质量评价，将信噪比低的子 ROI剔除，对保留的
ROI信号进行加权平均；
[0033]训练模块，用于在使用红色、绿色或者蓝色中任意两个波段ratioof ratio结果作为输入参数的基础上，增加ROI内红色、绿色和蓝色通道灰度值作为血氧饱和度的输入参数，使用多参数进行机器学习训练得到血氧饱和度的估计值。
[0034]作为一种可选的方案，所述评价模块具体用于：
[0035]提取每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的非接触式人体血氧饱和度检测方法，其特征在于，包括：获取目标人体的图像信息；从所述图像信息中确定面部感兴趣区域ROI区域；将所述面部ROI区域划分为多个子ROI；对所述子ROI进行质量评价，将信噪比低的子ROI剔除，对保留的ROI信号进行加权平均；在使用红色、绿色或者蓝色中任意两个波段ratio of ratio结果作为输入参数的基础上，增加ROI内红色、绿色和蓝色通道灰度值作为血氧饱和度的输入参数，使用多参数进行机器学习训练得到血氧饱和度的估计值。2.根据权利要求1所述的基于机器学习的非接触式人体血氧饱和度检测方法，其特征在于，所述对所述子ROI进行质量评价，将信噪比低的子ROI剔除，对保留的ROI信号进行加权平均，包括：提取每个所述子ROI的PPG信号，进行滤波后进行快速傅里叶fft变换，在频域内对各个所述子ROI进行质量评价，质量评价公式如下式所示：式中，Metric
i
为每个子ROI的评价系数，[PR
‑
b,PR+b]为心跳频率附近的微小频率范围，[B1,B2]为带通滤光范围；确定出每个所述子ROI的评价系数，将评价系数低于预设阈值的子ROI剔除，保留下来的所有子ROI建立ROI子集。3.根据权利要求2所述的基于机器学习的非接触式人体血氧饱和度检测方法，其特征在于，所述对保留的ROI信号进行加权平均，包括：对ROI子集进行加权平均得到用于进行血氧计算的PPG信号，令ROI子集为[ROI1,ROI2,...,ROI
m
]，对应的PPG信号和评价系数分别为[PPG1,PPG2,...,PPG
m
]，[Metric1,Metric2,...,Metric
m
]，其中，m为子ROI的数量，加权平均过程如下式所示：PPG
calc
＝Metric1.PPG1+Metric2.PPG2+
…
+Metric
m
.PPG
m
ꢀꢀꢀꢀ
(2）。4.根据权利要求1所述的基于机器学习的非接触式人体血氧饱和度检测方法，其特征在于，所述在使用红色、绿色或者蓝色中任意两个波段ratio of ratio结果作为输入参数的基础上，增加ROI内红色、绿色和蓝色通道灰度值作为血氧饱和度的输入参数，使用多参数进行机器学习训练得到血氧饱和度的估计值，包括：计算ratio of ratio结果，分别提取PPG
calc
的红色和绿色波段的时间序列，分别计算两个波段的交流信号AC和直流信号DC，得到ratio of ratio结果如公式(3)所示；式中，AC
calc_red
和DC
calc_red
是红色通道ROI
calc
区域平均值随着时间变化的交流分量和直流分量，AC
calc_green
和DC
calc_green
是绿色通道ROI
calc
区域平均值随着时间变化的交流分量和直流分量；提取ROI
calc
区域内加权平均PPG
calc
信号的Red、Green和Blue三个通道的灰度值平均值
Gray
red
、Gray
green
和Gray
blue
，作为血氧饱和度计算的输入参量；以4个参量ratio of ratio结果、Gray
red
、Gray
green
和Gray
blue
作为输入参量，通过机器学习算法，对一定量的样本进行训练，得到最终血氧饱和度的估计值。5.一种基于机器学习的非接触式人体血氧饱和度检测装置，其特征在于，包括：获取模块，用于获取目标人体的图像信息；确定模块...

【专利技术属性】
技术研发人员：孙志远，付云博，李冬宁，梁敏华，余毅，何锋赟，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：