一种基于近红外视频的非接触式心率检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110236515A(43)申请公布日2019.09.17(21)申请号201910653439.7(22)申请日2019.07.19(71)申请人合肥工业大学地址230009安徽省合肥市包河区屯溪路193号(72)发明人成娟王平陈勋宋仁成刘羽李畅(74)专利代理机构安徽省合肥新安专利代理有限责任公司34101代理人陆丽莉何梅生(51)Int.Cl.A61B5/024(2006.01)A61B5/00(2006.01)权利要求书1页说明书5页附图5页(54)发明名称一种基于近红外视频的非接触式心率检测方法(57)摘要本发明公开了一种基于近红外视频的非接触式心率检测的方法，其步骤包括：首先获取近红外视频中包含人脸感兴趣区域的图像序列，并计算每帧图像人脸感兴趣区域内所有像素点的像素均值，得到单通道像素均值时间序列；其次对经过预处理的单通道像素均值时间序列进行时间延迟得到动态嵌入矩阵；之后对动态嵌入矩阵采用盲源分离方法进行独立成分分析得到多个独立分量；最后对这些独立分量进行功率谱分析，确定包含心率信息的独立分量并得到心率检测值。本发明提供了一种基于时间延迟的独立成分分析的近红外视频心率检测的新方法，为基于视频的生理参数检测的实际应用提供了解决方案。CN110236515ACN110236515A权利要求书1/1页1.一种基于近红外视频的非接触式心率检测方法，其特征是按如下步骤进行：步骤1：利用近红外摄像机获取一段包含人脸图像的近红外视频，记所述近红外视频的帧率为F、时长为W；步骤2：获取所述近红外视频中包含人脸区域的N帧图像，记为I＝[I1,I2,…,In,…,IN]；其中，In为第n帧图像，n＝1,2,…,N，且N＝W×F；步骤3：采用人脸特征点检测和跟踪算法对所述第n帧图像In进行人脸区域的提取，并根据生理比例关系得到第n帧图像In的人脸感兴趣区域ROIn，从而得到N帧图像的人脸感兴趣区域序列ROI＝[ROI1,ROI2,…,ROIn,…,ROIN]；步骤4：计算第n帧图像In的人脸感兴趣区域ROIn的像素均值xn，从而获得N帧图像的的像素均值所组成的单通道像素均值时间序列X＝[x1,x2,…,xn,…,xN]；步骤5：对单通道像素均值时间序列X进行去趋势、幅值归一化以及带通滤波处理，得到预处理后的单通道像素均值时间序列为X′＝[x′1,x′2,…,x′n,…,x′N]；其中，x′n为预处理后的第n帧图像的单通道像素均值；步骤6：对预处理后的第k帧图像的单通道像素均值x′k进行时间延迟处理，构建M维的延迟矢量k＝1+(M-1)T,2+(M-1)T,…N，其中，M表示嵌入维数，T代表延迟时间，为第m个延迟分量，表示预处理后的第k-(m-1)T帧图像的单通道像素均值x′k-(m-1)T，从而得到预处理后的单通道像素均值序列X′的动态嵌入矩阵步骤7：采用盲源分离算法中的独立成分分析方法对动态嵌入矩阵Y进行分解，得到P个独立分量S＝[S1,S2,…,Sp,…SP]，Sp表示第p个独立分量，1≤p≤M；步骤8：定义候选独立分量集并初始化为空，初始化p＝1；步骤9：对第p个独立分量Sp进行功率谱分析，得到第p个功率谱图中最大幅值及最大幅值所对应的频率分量，判断第p个功率谱图中的频率分量是否处于所设定的感兴趣的心率范围，若处于，则将第p个独立分量加入所述候选独立分量集中，否则执行步骤10；步骤10：将p+1值赋给p后，并判断p＞P是否成立，若成立，则表示得到最终的候选独立分量集，否则返回步骤9；步骤11：比较最终的候选独立分量集中每个独立分量的功率谱的最大幅值，选取最大值所对应的独立分量作为最佳独立分量，且最佳独立分量的最大幅值对应的频率记为f，则心率检测值即为HR＝f×t，t为检测时间。2CN110236515A说明书1/5页一种基于近红外视频的非接触式心率检测方法技术领域[0001]本发明主要涉及医学信息检测技术领域，特别涉及一种基于近红外视频的非接触式心率检测方法。背景技术[0002]心率作为人体一项重要的生命体征，是指单位时间内心脏搏动的次数，一般是每分钟心脏搏动的次数，是评价心血管功能的一项重要指标，对慢性疾病的诊断、治疗和监护等具有重要意义。[0003]目前心率的测量方法多种多样，按照心率检测时是否需要与人体接触可以分为接触式与非接触式两类。接触式检测方法中比较典型的有传统的把脉方法和现代的各种利用与人体接触的传感器、电极来测量心率的方法。接触式心率测量要求心率检测设备与被检测者发生一定的物理接触，这在一定程度上限制了人体的活动，也不适用于皮肤容易过敏的患者(尤其是新生儿)和处于运动过程中的运动员，并且传统的接触式心率测量方法有着设备复杂和操作繁琐的局限