基于信号变分模态分解的远程光体积法血压实时识别方法技术

本发明专利技术公开了一种基于信号变分模态分解的远程光体积法血压实时识别方法，包括如下步骤：步骤1、将RGB视频流单帧面部ROI像素均值作为rPPG信号采样点，采样获得rPPG信号流；步骤2、针对rPPG信号流，使用滑窗策略在单窗之中应用变分模态分解算法得到模式分量，再对所有模式分量进行能量统计和FFT分析，提取FFT分析中主频最接近心跳的第二模式分量作为心跳时域估计信号；步骤3、使用形态提取算法获得心跳时域估计信号上峰值的左右半峰时间差，统计得到该时间差信号均值，并使用标准血压数据进行线性回归，获得时间差信号均值和标准血压的线性关系，实现血压实时识别。本发明专利技术可以简单方便的获取血压信号，具有结果准确，精度高的优点。精度高的优点。精度高的优点。

【技术实现步骤摘要】
基于信号变分模态分解的远程光体积法血压实时识别方法


[0001]本专利技术涉及信号处理和时域形态学算法领域，具体涉及一种基于信号变分模态分解的远程光体积法血压实时识别方法。

技术介绍

[0002]光体积描述技术(PPG)也称为光量容积法，可以通过皮肤区域的光量信息，进行生理信号识别，一般分为两类，接触式的cPPG(例如夹持手指的血氧仪)，非接触式的rPPG(r意为remote，例如RGB摄像头识别)。
[0003]在使用RGB摄像头进行血压识别时，一般包括两个部分。第一是脸部ROI区域抓取和rPPG信号获取，第二是使用信号分解或者滤波器等方式获取心跳波形，再从心跳波形中提取脉差信号(PTT)拟合血压数据。脸部ROI区域抓取一般包括使用人脸检测、人脸关键点检测网络或者皮肤分割网络，实现实时的人脸区域跟踪和抓取，其中人脸检测模型只调用一次，紧接着在检测提示的区域内进行人脸关键点检测或者皮肤分割。如果使用人脸关键点检测模型，将提取了额头或者面颊区域统计RGB数值的到rPPG信号。如果使用皮肤分割模型，将直接将皮肤区域作为ROI区域统计RGB数值得到rPPG信号。在获得rPPG信号后，心跳信号提取方案一般是在rPPG信号上使用椭圆滤波器等手段直接截取0.5到2hz的信号作为心跳信号，这种方法原理简单，但是抗干扰能力较差，其他频段信号的信号和心跳的调制信号将会干扰心跳信号波形。同时由于血压信号表现为50ms左右的脉差数据，特征频率远高于心跳频率的2hz，使用滤波器直接处理会破坏脉差信号，使得血压数据难以获取。而且提取出的心跳信号由于空间干扰信噪比降低严重，无法直接通过时域峰值识别主次峰脉差，需要首先高斯拟合之后减去拟合估计的主峰，再次高斯拟合求得次峰，最后估计PTT信号。并且由于空间干扰，为了降低信噪比还需要使用手部皮肤的rppg信号来对脸部皮肤的rppg信号进行校正，从而利用血液循环波峰到达时间差，去除不合理形状的虚假峰值，用于提升信噪比，但这中方法无疑是大大的加大了血压数据获取的复杂性。

技术实现思路

[0004]本专利技术的目的在于，提供一种基于信号变分模态分解的远程光体积法血压实时识别方法。本专利技术可以简单方便的获取血压信号，具有结果准确，精度高的优点。
[0005]本专利技术的技术方案：基于信号变分模态分解的远程光体积法血压实时识别方法，包括如下步骤：
[0006]步骤1、将RGB视频流单帧面部ROI像素均值作为rPPG信号采样点，采样获得rPPG信号流；
[0007]步骤2、针对rPPG信号流，使用滑窗策略在单窗之中应用变分模态分解算法得到模式分量，再对所有模式分量进行能量统计和FFT分析，提取FFT分析中主频最接近心跳的第二模式分量作为心跳时域估计信号；
[0008]步骤3、使用形态提取算法获得心跳时域估计信号上峰值的左右半峰时间差，统计
得到该时间差信号均值，并使用标准血压数据进行线性回归，获得时间差信号均值和标准血压的线性关系，实现血压实时识别。
[0009]上述的基于信号变分模态分解的远程光体积法血压实时识别方法，步骤1中，使用120Hz以上采样率的RGB视频流，提取单帧图片，通过人脸检测模型获取人脸面部ROI区域的分割，在此分割区域计算像素均值，作为rPPG信号采样点。
[0010]前述的基于信号变分模态分解的远程光体积法血压实时识别方法，所述人脸检测模型为face mesh网络；所述face mesh网络进行脸部特征点2d位置识别和3d深度估计，获得脸部的11个特征点，分别是额头5个，左右脸颊各3个，对应三个脸部ROI区域；然后利用特征点估计出的3d信息进行ROI区域的法向量计算，舍弃法向量和镜头视角夹角超过60
°
的ROI区域，防止引入干扰，将保留的ROI区域的RGB数值进行全像素的均值统计。
[0011]前述的基于信号变分模态分解的远程光体积法血压实时识别方法，通过调整face mesh网络的面部追踪和特征点提取策略，减少面部追踪算法的调用。
[0012]前述的基于信号变分模态分解的远程光体积法血压实时识别方法，将rPPG信号流减去RGB视频流中背景区域的均值信号流以除掉环境光照带来的漂移。
[0013]前述的基于信号变分模态分解的远程光体积法血压实时识别方法，步骤2中，将第二模式分量送入截止频率0.5
‑
3Hz的30阶椭圆滤波器进行滤波。
[0014]前述的基于信号变分模态分解的远程光体积法血压实时识别方法，步骤3中，所述时间差信号均值获取是对心跳时域估计信号进行形态学分析，将极大值作为峰值，然后在峰值左右寻找过零点，计算左右过零点和峰值点构成的左右半峰时长，再使用右半宽减去左半宽得到左右半峰时间差，统计得到的所有左右半峰时间差后，去掉所有35
‑
65ms以外的数据点，针对筛选结果进行上包络拟合，并使用3阶样条曲线进行插值，之后进行1hz的10阶椭圆低通滤波，从而获得时间差信号均值。
[0015]前述的基于信号变分模态分解的远程光体积法血压实时识别方法，步骤2中，设置滑窗长度至少包含10次心跳脉冲，以保证单窗质量，同时增大滑窗步进，以减少算力消耗。
[0016]与现有技术相比，本专利技术使用变分模态分解方式处理脸部rPPG信号，以获取高质量的、包含血压信号的心跳波形并提出一种时域形态学算法，从心跳波形中提取脉差信号(时间差信号均值)，根据时间差信号均值实时识别血压信号。本专利技术创新的使用了使用变分模态分解方法对rPPG信号进行分解和自适应降噪，提取可以用于血压提取的心跳信号，在不必预先获知干扰频段，可以对rPPG信号进行自适应的干扰抑制。同时本专利技术使用时域形态学方法从心跳信号提取血压，从干扰极大的rPPG信号中提取血压数据，并提升了信噪比。此外，本专利技术还具有以下特点：
[0017](1)通用性
[0018]远程光体积法干扰收到各种环境因素干扰，而且心跳和呼吸信号还会互相调制，造成信噪比极低，如果使用滤波等频域方式处理，会损失有效信号。变分模态分解方法是一种自适应的信号分解算法，和经验模态分解等方法相比，端点效应更小，方便获得更多的有效信号。由于血压信号是通过心跳峰值主次峰差距来提取的，有很大一部分无效波形，所以本专利技术使用变分模态分解减少端点效应获取更多峰值，有利于提升信噪比。
[0019](2)高效性
[0020]远程光体积法信号原始质量很差，主次峰之间在时域波形上区分度很低，本专利技术
使用心跳峰的左右半宽差距作为PTT的估计值，并且使用包络和低通等方式获取血压估计，这样可以很好地抛弃形状不合理的心跳峰，并且不需要增加额外的rPPG信号作参考。
附图说明
[0021]图1展示了视频流实时提取血压信号流程示意图。
[0022]图2展示了人脸ROI区域选取示意图。
[0023]图3展示了心跳信号形态学提取左右半峰差距示意图。横坐标为采样时间，纵坐标为心跳信号幅度值。
[0024]图4展示了左右半峰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：包括如下步骤：步骤1、将RGB视频流单帧面部ROI像素均值作为rPPG信号采样点，采样获得rPPG信号流；步骤2、针对rPPG信号流，使用滑窗策略在单窗之中应用变分模态分解算法得到模式分量，再对所有模式分量进行能量统计和FFT分析，提取FFT分析中主频最接近心跳的第二模式分量作为心跳时域估计信号；步骤3、使用形态提取算法获得心跳时域估计信号上峰值的左右半峰时间差，统计得到该时间差信号均值，并使用标准血压数据进行线性回归，获得时间差信号均值和标准血压的线性关系，实现血压实时识别。2.根据权利要求1所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：步骤1中，使用120Hz以上采样率的RGB视频流，提取单帧图片，通过人脸检测模型获取人脸面部ROI区域的分割，在此分割区域计算像素均值，作为rPPG信号采样点。3.根据权利要求2所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：所述人脸检测模型为face mesh网络；所述face mesh网络进行脸部特征点2d位置识别和3d深度估计，获得脸部的11个特征点，分别是额头5个，左右脸颊各3个，对应三个脸部ROI区域；然后利用特征点估计出的3d信息进行ROI区域的法向量计算，舍弃法向量和镜头视角夹角超过60
°
的ROI区域，防止引入干扰，将保留的ROI区域的RG...

【专利技术属性】
技术研发人员：李凯明，胡凤培，王竹飞，朱凯伦，宋珍珍，杨嘉璇，郭翔，鲍克坦，
申请(专利权)人：中促杭州信息科技有限公司，
类型：发明
国别省市：