一种长距离非接触式的生理参数的检测方法技术

本发明专利技术属于医疗检测领域，具体涉及一种长距离非接触式的生理参数的检测方法

【技术实现步骤摘要】
一种长距离非接触式的生理参数的检测方法、系统、装置


[0001]本专利技术属于医疗检测领域，具体涉及一种长距离非接触式的生理参数的检测方法
、
系统和装置
。

技术介绍

[0002]个体的生理特征参数的监测，如心率
、
呼吸频率
、
血压和血氧饱和度等，对于评估用户的心理和生理健康情况具有很大的参考价值
。
其中，心率的监测对于心血管疾病和慢性疾病的预测和治疗是至关重要的
。
同时，对于个体的心率监测也有一些特殊用途
。
传统的心率检测方法大多是使用接触式的设备进行检测，比如电极式心电图，常用于医院的心电图检验
。
由于接触式设备的设备可能会引起一些身体不适或者刺激过敏，在一些特定的场景下无法有效应用
。
呼吸频率和血压等生理阐述则对于评估用户的心肺功能具有很重要的作用，常规方法需要通过心电检测设备或呼吸监测设备对用户的呼吸频率进行检测，并通过血氧仪检测用户的血氧饱和度，上述设备也均属于接触式测量仪器
。
[0003]目前市场上存在大量对上述生理特征参数的非接触式测量的需求，这些需求刺激了大量的研究
。
一些研究人员已经开发出很多实现对特定生理参数进行非接触式测量的方案，如激光技术
、
雷达技术和图像光电容积脉搏波描记法
(iPPG)
等
。iPPG
也被称为
rPPG
，即远程光电容积脉搏波描记法
。
由于不需要佩戴传感器，该方案在需要连续测量的场合
(
如心率监测
)
是十分适用的
。
光电容积脉搏波描记法是使用光电手段在活体组织中监测血液容积变化的一种接触式无创监测方法
。
而远程光电容积脉搏波描记法的原理与其相似，当一个光源照亮皮肤区域时，血液容积变化引起的周期性的皮肤上细微颜色变化可以通过相机测量得到
。
[0004]然而，上述非接触式生理特征参数的策略方案仍存在一些弊端
。
大部分方案只能检测单一的生理特征参数，实用性不强，检测成本较高
。
方案对检测距离存在限制，当检测距离扩大后，检测精度会显著下降
。
部分方案对环境干扰过于敏感，例如当光照变化以及运动造成伪影等问题时都会影响到最后的结果
。

技术实现思路

[0005]为了解决现有非接触式生理特征参数检测方案功能单一，检测精度低，检测距离短的缺陷，本专利技术提供一种长距离非接触式的生理参数的检测方法
、
系统和装置
。
[0006]本专利技术采用以下技术方案实现：
[0007]一种长距离非接触式的生理参数的检测方法，其用于根据获取的待检测的用户面部的视频数据，检测出用户的心率
、
呼吸频率和血氧饱和度
。
该检测方法包括如下步骤：
[0008]S1
：通过可见光相机获取用户面部的视频数据，并对视频数据的逐帧图像进行人脸识别，确定人脸的位置
。
然后对识别出的序列图像进行裁切，仅保留人脸区域的面部图像作为下一步的输入
。
[0009]S2
：使用改进后的
LinkNet
语义分割网络提取面部图像中皮肤部分的像素信息，并
对选定区域内的像素点进行空间平均和降噪处理
。
[0010]S3
：对语义分割得到的皮肤像素进行时间归一化，提取出对应的脉搏波信号
。
[0011]S4
：通过傅里叶变换将脉搏波信号转换至频域；并利用带通滤波器去除频率小于
0.9
和大于3的部分，找出最大值对应的频率
Freq
，并通过下式计算出心率
hr
：
[0012][0013]上式中，
Freq
表示峰值所对应的频率；
f
表示采样频率；
length(FFT)
表示采样点个数
。
[0014]S5
：设置呼吸频率范围，并通过截止频率为
0.42Hz
的低通滤波器对脉搏波信号进行滤波处理得到呼吸信号，并采用下式计算呼吸信号的时域信息得到呼吸频率的估计值
RR
：
[0015][0016]上式中，
M
表示采样时间内的视频的总帧数，
F
表示采样视频的频率，
N
表示采样时间内得到的呼吸信号中波峰的数量
。
[0017]S6
：根据脉搏波信号生成对应的反射率信号，并根据反射率信号计算出红
、
蓝通道的光强变化率比值
R
，然后根据下式计算出血氧饱和度测量值
SpO2：
[0018]SpO2＝
α
+
β
·
R
；
[0019]上式中，
α
和
β
分别为根据数据统计得到的标准系数，与被测用户的生理状态有关
。
[0020]作为本专利技术进一步的改进，步骤
S1
中，通过
YOLOv3
‑
tiny
网络模型对视频数据的逐帧图像进行人脸识别和图像分割，
YOLOv3
‑
tiny
网络总共有
24
个网络层，包括
13
个卷积层
、6
个池化层
、2
个路由层
(route)、1
个上采样层和2个输出层；并使用了特征金字塔网络关联了2个不同尺度的特征信息
。
其中，池化层主要用于调整特征图的大小，路由层主要用于改变网络输出的路径和关联不同特征层的信息，形成特征金字塔结构
。
[0021]作为本专利技术进一步的改进，步骤
S2
中，对
LinkNet
网络的改进包括：将编码器的主干网络替换为
ResNet18
，同时，减少一对编码器和解码器，使网络层数减少，最后使用卷积处理来提取面部信息，得到选定区域
。
[0022]作为本专利技术进一步的改进，步骤
S2
的过程如下：
[0023]S21
：采用改进后的
LinkNet
网络提取出面部图像中皮肤区域的像素信息
。
[0024]S22
：构造一个空间平均序列，使用相干平均法对选定的皮肤区域内的像素点进行空间平均处理
。
[0025]S23
：设置带通滤波器截止频率为
[0.6
，
6]Hz
，利用带通滤波器对上步骤得到的空间平均序列中的各个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种长距离非接触式的生理参数的检测方法，其特征在于，其用于根据获取的待检测的用户面部的视频数据，检测出用户的心率
、
呼吸频率和血氧饱和度；所述检测方法包括如下步骤：
S1
：通过可见光相机获取用户面部的视频数据，并对视频数据的逐帧图像进行人脸识别，确定人脸的位置；然后对识别出的序列图像进行裁切，仅保留人脸区域的面部图像作为下一步的输入；
S2
：使用改进后的
LinkNet
语义分割网络提取面部图像中皮肤部分的像素信息，并对选定区域内的像素点进行空间平均和降噪处理；
S3
：对语义分割得到的皮肤像素进行时间归一化，提取出对应的脉搏波信号；
S4
：通过傅里叶变换将脉搏波信号转换至频域，并利用带通滤波器去除频率小于
0.9
和大于3的部分，找出最大值对应的频率
Freq
，并通过下式计算出心率
hr
：上式中，
Freq
表示峰值所对应的频率；
f
表示采样频率，
length(FFT)
表示采样点个数；
S5
：设置呼吸频率范围，并通过截止频率为
0.42Hz
的低通滤波器对脉搏波信号进行滤波处理得到呼吸信号，并采用下式计算呼吸信号的时域信息得到呼吸频率的估计值
RR
：上式中，
M
表示采样时间内的视频的总帧数，
F
表示采样视频的频率，
N
表示采样时间内得到的呼吸信号中波峰的数量；
S6
：根据脉搏波信号生成对应的反射率信号，并根据反射率信号计算出红
、
蓝通道的光强变化率比值
R
，然后根据下式计算出血氧饱和度测量值
SpO2：
SpO2＝
α
+
β
·
R
；上式中，
α
和
β
分别为根据数据统计得到的标准系数，与被测用户的生理状态有关
。2.
如权利要求1所述的长距离非接触式的生理参数的检测方法，其特征在于：步骤
S1
中，通过
YOLOv3
‑
tiny
网络模型对视频数据的逐帧图像进行人脸识别和图像分割；
YOLOv3
‑
tiny
网络总共有
24
个网络层，包括
13
个卷积层
、6
个池化层
、2
个路由层
、1
个上采样层和2个输出层；并使用了特征金字塔网络关联了2个不同尺度的特征信息；其中，池化层主要用于调整特征图的大小，路由层主要用于改变网络输出的路径和关联不同特征层的信息，形成特征金字塔结构
。3.
如权利要求2所述的长距离非接触式的生理参数的检测方法，其特征在于，步骤
S2
中，对
LinkNet
网络的改进包括：将编码器的主干网络替换为
ResNet18
，同时，减少一对编码器和解码器，使网络层数减少，最后使用卷积处理来提取面部信息，得到选定区域
。4.
如权利要求1所述的长距离非接触式的生理参数的检测方法，其特征在于：步骤
S2
的过程如下：
S21
：采用改进后的
LinkNet
网络提取出面部图像中皮肤区域的像素信息；
S22
：构造一个空间平均序列，使用相干平均法对选定的皮肤区域内的像素点进行空间平均处理；
S23
：设置带通滤波器截止频率为
[0.6
，
6]Hz
，利用带通滤波器对上步骤得到的空间平均序列中的各个分量进行滤波处理；
S24
：对上步骤滤波处理后的空间平行序列的各个分量进行标准化，以去除信号中的均值和方差归一化
。5.
如权利要求1所述的长距离非接触式的生理参数的检测方法，其特征在于：步骤
S3
中，脉搏波信号的提取方法包括如下步骤：
S31
：根据上步骤处理后的每个皮肤像素的像素值，定义一个包含原始的脉搏波信号的
RGB
通道的时变函数
C
k
(t)
：
C
k
(t)≈I0·
u
c
·
c0+I0·
u
c
·
c0·
i(t)+I0·
u
s
·
s(t)+I0·
u
p
·
p(t)
上式中，
I0表示环境中照明光的光照强度；
u
c
表示皮肤反射的单位颜色向量；
c0表示反射固有的光照强度；
i(t)
表示光照强度；
u
s
代表相机捕捉的镜面发射光谱的单位颜色向量；
s(t)
表示镜面反射强度；
u
p
表示不同
RGB
通道对脉搏的影响程度；
p(t)
为所需的脉搏波信号的强度；
S32
：计算采样时间内原始
RGB
信号的均值；
S33
：
C
n
(t)≈1
·
(1+i(t)+G
·
I0·
u
s
·
s(t)+G
·
I0·
u
p
·
p(t)
上式中，1为单位向量；
C
n
(t)
表示归一化后的
R...

【专利技术属性】
技术研发人员：裴胜兵，张润泽，宋宇航，董剑涛，刘闻闻，张超，范存航，李平，吕钊，
申请(专利权)人：安徽大学，
类型：发明
国别省市：