【技术实现步骤摘要】
本专利技术涉及非接触式生理信号检测及分析，具体涉及一种基于光流和自适应滤波的视频呼吸率测量方法。
技术介绍
1、呼吸频率(rr)是一个重要的生命体征，它是呼吸系统功能和健康状况的重要指标。监测呼吸频率对于患有哮喘和呼吸困难患者的护理非常关键。现有的呼吸监测设备包括胸带、面罩、鼻息传感器和腕带等。然而，基于接触式设备的呼吸测量通常需要专业人员操作，且面罩和鼻息传感器等测量会限制患者的活动能力。因此，当前非接触式呼吸测量受到越来越多的关注。常见的非接触式呼吸测量方法包括连续波多普勒和fmcw雷达、热成像相机、激光振动测量、相机以及立体深度感应相机等。基于rgb相机视频提取呼吸信号的方法由于设备的普及性和低成本获得了广泛的探索。
2、现有基于视频的呼吸率测量方法大致分为两种类型：(i)通过心肺耦合关系从血容量脉动(bvp)信号中测量呼吸率。(ii)跟踪呼吸引起的像素位移(rim)或皮肤像素值变化提取呼吸率。第一种方法主要通过远程光电容积图(rppg)技术检测面部的bvp信号，进而通过心肺耦合关系计算呼吸率。然而，视频bvp信号易受身体随机运动和环境光照强度变化的干扰，从而影响呼吸的鲁棒性。第二种方法基于呼吸过程中肺体积的周期性循环扩张和收缩变化导致胸口像素运动或像素强度变化来测量呼吸率。
3、基于像素强度变化的rr测量方法易受环境光照变化和运动伪影的影响，相关去噪方法包括基于主成分分析、经验模态分解(emd)及其高级版本等。相比之下，基于追踪像素运动方法如光流法、运动放大(vm)以及profile互相关等具有实
4、上述现有的呼吸去噪算法未充分利用运动噪声参考信息，人体的非呼吸刚性运动可用于呼吸信号的去噪。同时，大多数方法将人体的整个躯干部分都用于呼吸的测量，但胸口和腹部等不同局部区域蕴含不同特性的呼吸信号。
技术实现思路
1、本专利技术是为了解决上述技术上的不足，提供一种自适应滤波和脉冲质量选择的视频呼吸率测量方法，以期能实现在多种自发运动场景下更加鲁棒的呼吸测量，从而能提升测量准确性。
2、本专利技术为解决技术问题采用如下方案：
3、本专利技术一种基于自适应滤波和脉冲质量选择的视频呼吸率测量方法的特点在于，包括以下步骤：
4、步骤一、感兴趣区域的定位：
5、使用mediapipe pose工具追踪k帧视频图像中的人体关键点坐标，并选用左肩关节点，右肩关节点，左髋关节点，右髋关节点来确定每帧视频图像中的呼吸感兴趣区域；再将每帧视频图像的感兴趣区域均等划分为若干个子区域；
6、步骤二、像素运动信息生成：
7、步骤2.1、利用式(1)得到第k帧视频图像中第j个子区域的光流相位均值和光流速度均值
8、
9、式(1)中，表示第k帧视频图像中第j个子区域内第i个像素点的光流相位值，表示第k帧视频图像中第j个子区域内第i个像素点的水平方向光流速度值，nj表示第j个子区域内所有像素点数目；
10、步骤2.2、将第j个子区域的所有帧的光流相位均值形成的原始呼吸信号记为rj＝[rj(1),rj(2),...,rj(k),...rj(k)]t、水平方向所有帧的光流速度均值形成的运动噪声记为xj＝[xj(1),xj(2),...,xj(k),...xj(k)]t；t表示转置；
11、步骤三、运动噪声的去除：
12、步骤3.1、利用式(2)构建第k帧视频图像中第j个子区域去噪后的光流相位均值ej(k)：
13、ej(k)＝rj(k)-lj(k) (2)
14、式(2)中，lj(k)表示第k帧视频图像中第j个子区域的人体自主运动噪声值，并由式(3)估计；
15、lj(k)≈hj,kx′j (3)
16、式(3)中，hj,k为第k帧视频图像中第j个子区域的滤波器系数向量，其长度为滤波器的阶数a，x′j为xj的部分水平方向运动噪声向量，且x′j＝[xj(k-a-1),xj(k-a),...,xj(k)]t；其中，xj(k-a)表示第k-a帧视频图像中的第j个子区域的光流速度均值；
17、步骤3.2、初始化k＝a；初始化hj,k为零向量；
18、步骤3.3、利用式(4)得到第k+1帧视频图像中第j个子区域的滤波器系数向量hj,k+1；
19、
20、式(4)中，μ表示实数标度因子，0＜μ＜2；
21、步骤3.4、将k+1赋值给k后，返回步骤3.3顺序执行，直到信号k>k为止，从而得到第j个子区域的去噪信号ej＝[ej(a),ej(a+1),...,ej(k)]t；
22、步骤3.5、采用切比雪夫滤波器对去噪信号ej进行带通滤波处理，得到滤波后的信号信再进行去趋势处理，得到干净的呼吸信号；
23、步骤四、使用脉冲质量选择方法计算呼吸率：
24、步骤4.1、对干净的呼吸信号进行滑窗，并对当前滑窗内所有子区域中的信号进行短时傅里叶变换，得到每个滑窗的时频图；
25、步骤4.2、计算当前滑窗内所有子区域的信号信噪比，并从当前滑窗内所有子区域的信号信噪比中，选出信噪比最大的前m个子区域作为当前滑窗内的第一个指标区域；
26、步骤4.3、根据每个滑窗的时频图，选取当前滑窗内的时频脊线方差最小的前m个子区域作为当前滑窗内的第二个指标区域；
27、步骤4.4、选取当前滑窗和前一个滑窗连续两个窗的时频脊线方差最小的前m个子区域作为当前滑窗的第三个指标区域；
28、步骤4.5、将三个指标区域的交集作为当前滑窗内的最佳子区域，并根据当前滑窗内每个最佳子区域对应的信噪比，将每个最佳子区域的信号对应的时频图进行加权平均，对加权平均时频图提取时频脊线，取时频脊线的中位数作为当前滑窗的呼吸率。
29、本专利技术一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述视频呼吸率测量方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
30、本专利技术一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述视频呼吸率测量方法本文档来自技高网...
【技术保护点】
1.一种基于自适应滤波和脉冲质量选择的视频呼吸率测量方法，其特征在于，包括以下步骤：
2.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1所述视频呼吸率测量方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
3.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1所述视频呼吸率测量方法的步骤。
【技术特征摘要】
1.一种基于自适应滤波和脉冲质量选择的视频呼吸率测量方法，其特征在于，包括以下步骤：
2.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1所述视频呼吸率测量方法的程...
【专利技术属性】
技术研发人员：宋仁成，赵微，任聪，成娟，李畅，刘羽，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。