一种基于深度学习的有效IPPG信号的自动识别方法技术

本发明专利技术公开了一种基于深度学习的有效IPPG信号的自动识别方法，该方法包括以下步骤：S1、采集人脸视频样本信息；S2、进行人脸定位，选取感兴趣区域，从感兴趣区域中提取IPPG信号；S3、对提取的IPPG信号进行预处理；S4、从预处理后的IPPG信号中选取有效和典型错误IPPG信号制成数据集，并采用卷积神经网络对数据集进行训练，得到基于CNN的有效IPPG信号识别模型；S5、获取待测人脸视频信息；S6、对获取的人脸视频信息进行处理，获得预处理后的IPPG信号，然后输入基于CNN的有效IPPG信号识别模型中完成对IPPG信号的有效性判断；相比于现有识别方法，本发明专利技术利用卷积神经网络对IPPG信号进行判断，能够识别自动提取信号中的有效IPPG信号，具有较高的准确率和普适性。具有较高的准确率和普适性。具有较高的准确率和普适性。

【技术实现步骤摘要】
一种基于深度学习的有效IPPG信号的自动识别方法


[0001]本专利技术涉及计算机视觉
，具体为一种基于深度学习的有效IPPG信号的自动识别方法。

技术介绍

[0002]近年来，光电容积脉搏波描记法(photoplethysmography，简称PPG)的出现为血压测量提供了新的方向，脉搏波可以反映出被测者心血管功能方面的许多信息，而且理论上脉搏的形成与血压是密切相关的。由于低成本、简单和便携技术的需求，小半导体元件的广泛应用，PPG被广泛应用于生命体征监测。光电容积脉搏波描记法可以定义为一种测量身体各部位血容量变化的技术。每次心肌收缩时，血液从心室排出，压力脉冲通过循环系统传输，光电容积脉搏波描记法提供了血液流经浅表动脉时的描述性分析，因此可用于推断和估计相关的生命体征。透视式PPG可以测量因血容量变化引起的透射光变化；对于反射式PPG，探头与光源放在同一侧，通过采集反射光测量来脉动变化。一般是使用激光多普勒法和雷达生命体征监测仪(RVSM)来监测PPG信号。但是，它们在运行时都需要志愿者保持静止状态，并且得到的PPG信号均是通过光发射器和光接收器与人体接触的情况下采集和记录的，该信号的记录精度高度依赖于光发射器和光接收器间的距离，此外，设备放置在身体上的位置也很关键。由于以上原因，在长期医疗监测中使用PPG信号有明显的不便之处。
[0003]基于此，近年来研究者们提出了一种基于摄像头的非接触式血压测量(NCBP)方法，称为成像式光电容积描记法(Imaging PhotoPlethys
‑r/>moGraphy，IPPG)。IPPG信号指通过使用摄像机图像和处理算法提取的信号。IPPG信号基于面部皮肤颜色的变化，因此可以显示区域血容量的变化。但是，由于光线变化、头部移动等干扰因素，从摄像头获取的IPPG信号存在大量的噪声，存在很多无效的IPPG信号，选取有效的IPPG信号是后续扩展应用必不可少的一步。
[0004]而目前选取有效IPPG信号的方法大多采用人工提取IPPG特征。孙晟珂提出了基于IPPG非接触式血压测量方法(基于IPPG非接触式血压测量方法，信息技术，2020年第10期，第31
‑
38页)，该方法通过比较第i个信号前后数值的方法来定位波形的极值，但此方法在应对IPPG多个极值的情况下并不适用，不能保证定位到正确的极值来选取波形。此外，传统的PPG信号识别方法主要是通过设置窗口在PPG信号上进行滑动，首先检测出主波波峰，之后检测出信号相邻两个波谷间的距离，再检测连续2个波谷长间的距离，然后计算每个PPG信号的峰度和偏度，最终实现单个有效波形的粗略判断，该方法对PPG信号有较高的准确率，但是IPPG信号里面经常包含大量难于去除的噪声，因此，该方法对于IPPG信号并不适用，鉴于此，本专利技术提出了一种基于深度学习的有效IPPG信号的自动识别方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于深度学习的有效IPPG信号的自动识别方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于深度学习的有效IPPG信号的自动识别方法，包括以下步骤：
[0008]S1、采集人脸视频样本信息；
[0009]S2、对采集的人脸视频样本信息进行定位，获取人脸视频的每帧图片的感兴趣区域，从感兴趣区域中提取IPPG信号；
[0010]S3、对提取的IPPG信号进行预处理；
[0011]S4、从预处理后的IPPG信号中选取有效和典型错误IPPG信号制成数据集，并采用卷积神经网络对数据集进行训练，得到基于CNN的有效IPPG信号识别模型；
[0012]S5、获取待测人脸视频信息；
[0013]S6、将获取的人脸视频信息依次经过步骤S2和步骤S3处理后，输入步骤S4得到的基于CNN的有效IPPG信号识别模型中完成对IPPG信号的有效性判断。
[0014]优选的，步骤S2中，所述对采集的人脸视频样本信息进行定位，选取人脸视频样本的每帧图像的感兴趣区域，具体包括以下步骤：
[0015]S21、通过人脸检测模块从采集的人脸视频样本中获得图像帧，并识别每一帧图像帧中的人脸数量唯一，然后定位人脸关键点，得到五官坐标，完成人脸定位；
[0016]S22、采用成像式光电容积描记法从每帧图像定位的人脸中选取光强分布较强的感兴趣区域。
[0017]优选地，步骤S22中，所述感兴趣区域为脸颊区域。
[0018]优选地，步骤S3中，所述对提取的IPPG信号进行预处理采用小波变换算法和带通滤波器，用以去除基线漂移现象和噪声处理。
[0019]优选的，所述采用小波变换算法和带通滤波器对提取的IPPG信号进行预处理，具体包括以下步骤：
[0020]S31、对提取的IPPG信号进行6阶小波变换；
[0021]S32、对小波变换后的IPPG信号进行重构，以去除基线漂移；
[0022]S33、采用带通滤波器对重构后的IPPG信号进行滤波处理，以去除噪声。
[0023]优选地，步骤S4中，所述从预处理后的IPPG信号中选取有效IPPG信号和典型错误IPPG信号制成数据集，采用深度学习卷积神经网络CNN对数据集进行训练，具体步骤为：以人工排查的方式选取有效IPPG信号和典型错误IPPG信号，将获取的有效IPPG信号和典型错误IPPG信号以及对应的标签制成数据集，然后输入到卷积神经网络(CNN)模型中进行训练，得到基于CNN的有效IPPG信号识别模型。
[0024]优选地，步骤S6中，所述将获取的人脸视频信息依次经过步骤S2和步骤S3处理，然后输入至步骤S4得到的基于CNN的有效IPPG信号识别模型中完成对IPPG信号的有效性判断，具体步骤为：将获取的人脸视频信息依次经过步骤S2和步骤S3处理后，得到预处理后的IPPG信号，将预处理后的IPPG信号输入基于CNN的有效IPPG信号识别模型中，所述有效IPPG信号识别模型自动识别有效IPPG信号并保存。
[0025]与现有技术相比，本专利技术有益效果如下：
[0026]本专利技术一种基于深度学习的有效IPPG信号自动识别方法，首先采集人脸视频样本信息，建立基于CNN的有效IPPG信号识别模型；当需要检测脉搏波信号时，对获取待测人脸视频信息进行人脸识别并定位关键点，通过关键点选取感兴趣区域，再采用成像式光电容
积描记法从感兴趣区域中提取IPPG信号，然后对提取的IPPG信号进行小波变换和带通滤波预处理，然后将预处理后的IPPG信号输入基于CNN的有效IPPG信号识别模型中自动识别有效IPPG信号并保存，以用于后续的应用，例如。
[0027](1)相比于传统的PPG信号识别方法，本专利技术采用卷积神经网络(CNN)对脉搏波信号进行特征提取，能够确保脉搏波信号中丰富的信息不会丢失，对有效IPPG信号识别有较高的准确率。
[0028](2)由于人工脉搏波特征的提取依赖本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的有效IPPG信号的自动识别方法，其特征在于，包括以下步骤：S1、采集人脸视频样本信息；S2、对采集的人脸视频样本信息进行定位，获取人脸视频的每帧图片的感兴趣区域，从感兴趣区域中提取IPPG信号；S3、对提取的IPPG信号进行预处理；S4、从预处理后的IPPG信号中选取有效和典型错误IPPG信号制成数据集，并采用卷积神经网络对数据集进行训练，得到基于CNN的有效IPPG信号识别模型；S5、获取待测人脸视频信息；S6、将获取的人脸视频信息依次经过步骤S2和步骤S3处理后，输入步骤S4得到的基于CNN的有效IPPG信号识别模型中完成对IPPG信号的有效性判断。2.根据权利要求1所述的基于深度学习的有效IPPG信号的自动识别方法，其特征在于：步骤S2中，所述对采集的人脸视频样本信息进行定位，选取人脸视频样本的每帧图像的感兴趣区域，具体包括以下步骤：S21、通过人脸检测模块从采集的人脸视频样本中获得图像帧，并识别每一帧图像帧中的人脸且数量唯一，然后定位人脸关键点，得到五官坐标，完成人脸定位；S22、采用成像式光电容积描记法从每帧图像定位的人脸中选取光强分布强的感兴趣区域。3.根据权利要求1或2所述的基于深度学习的有效IPPG信号的自动识别方法，其特征在于：步骤S3中，所述对提取的IPPG信号的预处理采用小波变换算法和带通滤波器。4.根据权利要求3所述的...

【专利技术属性】
技术研发人员：熊继平，陈泽辉，陈经纬，程汉权，李金红，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：