一种非接触式常态化心率变异性估计系统技术方案

本发明专利技术公开了一种非接触式常态化心率变异性估计系统，首先基于摄像头数据，测量人脸皮肤的吸收光谱，使用深度神经网络对面部区域进行像素级划分，然后通过选择有更多毛细血管的区域，完成对血管内血流的信息变化的测量，通过分别设计卷积滤波器和深度神经网络对信号进行去噪过滤，提取反映心跳的波形，最后通过分析功率谱和搏动周期，完成对心率和心率变异性指数的计算。本发明专利技术的方法可有效对面部光线进行均衡，有效地去除不良低频信号，提高估计的准确性与估计精度，能避免皮肤的遮挡部分，获得更好的采集区域，比传统无限信号训练样本滤波效果好，能有效提高基于非接触式监测设备的心率变异性检测的准确性，实现常态化健康监测。康监测。康监测。

【技术实现步骤摘要】
一种非接触式常态化心率变异性估计系统


[0001]本专利技术属于医疗
，具体涉及一种非接触式常态化心率变异性估计系统。

技术介绍

[0002]心率变异性（HRV）指的是心跳周期的不同变化，一般通过分析心电图（ECG）信号中的R波间隔获得。HRV反映了心脏本身的窦性心律失常程度以及神经体液因素和心房结之间相互作用的平衡。现有研究表明，心率变异是心血管疾病，如心脏猝死、冠心病、高血压和慢性心力衰竭等，以及慢性阻塞性肺病、糖尿病和其他疾病预后的预测因素，并能反映睡眠和精神压力状态等各种信息。心电图、指甲血氧仪等接触式心跳监测设备被广泛使用，特别是在医院，其好处是对生理健康指标检测的快速性和准确性。然而，长期接触人体的设备会带来很多不利影响，如设备的清洁和维护费用，人体体液对设备的腐蚀和老化等，这就大大降低了用户的检查频率。
[0003]在很多情况下，人们更愿意在工作、睡眠等真实场景中，在不知不觉中长期、实时地测量和管理自己的健康状况，从而使个性化的健康管理常态化。毛细血管血流与心脏跳动直接相关，而毛细血管中的血红蛋白会吸收一定频段的光。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非接触式常态化心率变异性估计系统，其特征在于，该系统包括：数据采集模块、像素级划分模块、均匀性计算模块、滤波模块、心率和心率变异性计算模块；所述数据采集模块为摄像头，用于采集人脸图像；所述像素级划分模块用于对面部区域进行像素级的划分，得到头发、鼻子、眼睛、耳朵、嘴巴、眉毛各自的所在区域，将面部区域去除头发、鼻子、眼睛、耳朵、嘴巴、眉毛剩余的区域作为人脸区域进行后续处理，具体方法为：S11、基于摄像头采集到的人脸图像，采用深度学习结合像素级分类的方法定位人脸区域的每个像素；S12、在步骤S11定位人脸像素的基础上，测量人脸皮肤的吸收光谱，计算可用的最大的人脸皮肤面积；S13、设计基于混合损失函数的人脸区域采集模型，该人脸区域采集模型包括：主干网、融合网络、提升输出网络，所述主干网输入为人脸图像，然后分为两条分支：细节分支和语义分支，所述语义分支的层数大于细节分支的层数；细节分支捕获low
‑
level细节并生成高分辨率特征表示，语义分支获取高级语义上下文；然后通过融合网络对细节分支和语义分支的输出进行融合，融合后得到头部位置和面部区域像素级的划分，提升输入网络用于人脸区域采集模型训练时对语义分支中部分层的输出进行面部区域像素级的划分的损失判断；训练完毕后采用主干网络和融合网络对实际输入的人脸图像进行像素级划分；人脸位置损失函数L
pos
如下：其中，N表示训练批量大小，Y表示人脸位置输出，T表示标签位置；S14、脸部分割损失L
seg
如下：其中，M表示每张图像的像素数，j表示当前像素的分类，p
j
表示单像素分类概率m，表示像素点序号；S15、将步骤S13、S14中，脸部分割损失和人脸位置损失加权求和，得到总损失为：L＝αL
pos
+βL
seg
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，α和β表示超参数；所述均匀性计算模块用于人脸区域光线的均匀性，测量血管内血流的信息变化，具体方法为：S21、采用人脸区域的蓝光值来平衡血红蛋白吸收的绿光，具体公式如下：S21、采用人脸区域的蓝光值来平衡血红蛋白吸收的绿光，具体公式如下：其中，i表示采集区域像素的索引，m
i
表示这个像素的处理值，表示光平衡权重，
表示绿色光谱的值，b
i
表示像素的蓝色光谱的值，μ表示采集区域的蓝色光谱平均值，γ表示用于控制光平衡补偿强度的超参数；S22、在步...

【专利技术属性】
技术研发人员：殷晋，秦科，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：