CN103054569B - 基于可见光图像测量人体心率的方法、装置及手持设备 - Google Patents

Abstract

本发明适用于图像处理及应用技术领域，提供了一种基于可见光图像测量人体心率的方法、装置及手持设备，所述方法包括：采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像；获取各个视频帧图像中的人脸区域；将获取的所述人脸区域均划分成num个子区域；分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号；分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值。本发明，充分的考虑了光照改变的情况下，对视频中的各个子区域图像的像素值的影响，从而提高了心率值的测量准确度。

Description

基于可见光图像测量人体心率的方法、装置及手持设备

技术领域

本发明属于图像处理及应用技术领域，尤其涉及一种基于可见光图像测量人体心率的方法、装置及手持设备。

背景技术

最近几年，随着电子产品的智能化程度越来越高，各种测量人体心率的系统被用于手机等手持设备或者电视终端中。

其中不乏有利用可见光拍摄得到人体面部或手部血管的可见光图像来测量人体心率的系统，对应这样的人体心率测量方案，通过摄像头采集的可见光图像，由于运动或者光照变化会造成图像上人脸面部或手部血管信息不足。

如果要使该系统有较高的心率测量准确度，要求每次测量过程中人体面部或手部血管图像保持不变，即手持设备和测试者完全保持不动状态，另外，还要求每次测量过程中光照不能变化，而这两点在实际操作中往往很难做到，因此这样的人体心率测量方案，测量得到的人体心率值的准确度比较低。

发明内容

本发明实施例提供了一种基于可见光图像测量人体心率的方法、装置及手持设备，旨在解决现有技术测量得到的人体心率准确度不高的问题。

一方面，提供一种基于可见光图像测量人体心率的方法，所述方法包括：

采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像；

获取各个视频帧图像中的人脸区域；

将获取的所述人脸区域均划分成num个子区域；

分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号；

分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值。

另一方面，提供一种基于可见光图像测量人体心率的装置，所述装置包括：

视频帧提取单元，用于采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像；

人脸区域获取单元，用于获取各个视频帧图像中的人脸区域；

人脸区域划分单元，用于将获取的所述人脸区域均划分成num个子区域；

去噪声单元，用于分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号；

子区域心率值计算单元，用于分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值。

再一方面，提供一种手持设备，所述手持设备包括如上所述的基于可见光图像测量人体心率的装置。

在本发明实施例，在计算人体的心率值时，先对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号，再根据该平均灰度离散信号求取人体的心率值。该去噪声的过程中，充分的考虑了光照改变的情况下，对视频中的各个子区域图像的像素值的影响，从而提高了心率值的测量准确度。

附图说明

图1是本发明实施例一提供的基于可见光图像测量人体心率的方法的实现流程图；

图2a和图2b是本发明实施例一提供的人脸区域划分示意图；

图3是本发明实施例二提供的基于可见光图像测量人体心率的方法的实现流程图；

图4是本发明实施例三提供的基于可见光图像测量人体心率的装置的结构框图；

图5是本发明实施例四提供的基于可见光图像测量人体心率的装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，在计算人体的心率值时，先对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号，再根据该平均灰度离散信号求取人体的心率值。该去噪声的过程中，充分的考虑了光照改变的情况下，对视频中的各个子区域图像的像素值的影响，从而提高了心率值的测量准确度。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一

图1示出了本发明实施例一提供的基于可见光图像测量人体心率的方法的实现流程，详述如下：

步骤S101，采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像x_k。

在本实施例中，摄像头图像采集装置获取一段用于人体心率测量的视频，并从该视频中提取出各个视频帧图像，分别标号为{x₀,x₁，x₂，^x ₃……^x _k……,^x _n-2,^x _n-1}，k∈[0,n-1],n为自然数，x_k为第k帧视频帧图像。该段用于人体心率测量的视频是通过可见光进行拍摄的，因此将从该视频帧中提取出的各个视频帧图像可以称为可见光图像。

步骤S102，获取各个视频帧图像中的人脸区域。

在本实施例中，利用haar特征人脸检测算法或者肤色检测的方法对各个视频帧图像进行处理，得到各个视频帧图像中的人脸区域。

haar特征人脸检测算法或者肤色检测的方法是现有的公知的方法，在此不再赘述。

步骤S103，将获得的所述人脸区域均划分成num个子区域。

在本实施例中，将获取到的各个视频帧图像中的人脸区域划分成正前额、鼻子、嘴巴等num个区域，在本实施例中，以num等于9为例来进行说明，num的具体数目不做限制。如图2a和图2b所示，由此得到9个包含了例如运动所产生的噪声的感兴趣区域（Region OfInterest，ROI）1-9。

步骤S104，分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号。

在本实施例中，分别从各个视频帧图像中的各个子区域获取灰度离散信号，为了描述方便，设置各子区域的编号为num，num为1至9的自然数，则各个视频帧图像中的各个子区域的灰度离散信号，即各个子区域中的各个像素点的像素值可以表示为i_k，mum(i,j)。

进行去噪声处理的过程为：

步骤1、计算各个视频帧图像中的各个子区域的每一行像素点的行像素平均值每一列像素点的列像素平均值其中w、h分别为各个子区域的宽度和高度。

步骤2、分别对各个子区域的行像素平均值、列像素平均值采用3次多项式的方式进行拟合，拟合曲线如下：

$\left\{\begin{array}{c}{f}_r\left(i\right)=p_{r3}\×i^3+p_{r2}\×i^2+p_{r1}\×i+p_{r0}\\ f_c\left(j\right)=p_{c3}\×j^3+p_{c2}\×j^2+p_{c1}\×j+p_{c0}\end{array}\right.$

其中p_r3、p_r2、p_r1、p_r0为行方向上拟合出来的系数，p_c3、p_c2、p_c1、p_c0为列方向上拟合出来的系数，f_r(i)、f_c(j)分别为行、列拟合值，i和j分别为像素点的坐标位置。

步骤3、根据所述拟合曲线，计算第k帧中当前像素点(i,j)的噪声当量N_k(i,j)：

N_k(i,j)=(f_r(i)+f_c(j))/2

步骤4、根据各个视频帧图像中的各个子区域的灰度离散信号以及所述各个视频帧图像中的各个子区域的噪声当量，统计各个子区域的像素点的平均亮度计算公式如下：

$\stackrel{\&OverBar;}{L_{k,\mathrm{num}}}=\frac{1}{h\&times;w}\underset{j<h}{\mathrm{\&Sigma;}}\underset{i<w}{\mathrm{\&Sigma;}}(i_{k,\mathrm{num}}(i,j)-N_{k,\mathrm{num}}(i,j))$

其中i_k，num(i,j)第k帧中第num个子区域中当前像素点(i,j)的像素值，h和w分别为各个子区域的高和宽。

通过上述公式，得到各子区域图像连续n帧时间内的平均灰度离散化信号:由此得到9个ROI区域下所包含心跳信息的信号量，以便后续对这9个信号分别进行心跳检测，获取9个区域下的心跳值。

步骤S105，分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值。

在本实施例中，具体的处理过程为：

步骤11、对各子区域离散化信号 进行归一化操作，得到各个视频帧图像的各个子区域的归一化离散化信号，计算公式如下：

$l_{k,\mathrm{num}}=\frac{\stackrel{\&OverBar;}{L_{k,\mathrm{num}}}-\stackrel{\&OverBar;}{L_{\mathrm{num}}}}{{\mathrm{\&sigma;}}_{k,\mathrm{num}}}$

其中，为平均值，σ_k,num为第k帧中第num个子区域下离散化信号标准方差，l_k,num为第k帧中第num个子区域下归一化后的值；

步骤12、采用hanning窗口对所述归一化离散化信号l_k,num进行时域低通滤波处理，得到滤波后信号f(k)。

在本实施例中，首先通过Hanning窗口对信号进行时域滤波处理，Hanning窗口公式如下：

$w\left(n\right)={\sin }^2\left(\frac{\mathrm{n\&pi;}}{N-1}\right)=0.5(1-\cos \left(\frac{\mathrm{n\&pi;}}{N-1}\right))$

其中，f(k)满足下述公式：

if(k<n)  t=k;else  t=n-1;

if(k>n)  s=k-(m-1);else  s=0;

$f\left(k\right)=\underset{s}{\overset{t}{\mathrm{\&Sigma;}}}(w(s-k)\&times;l_{k,\mathrm{num}}\left(k\right))$

其中n为离散化信号系列l_k,num的元素个数，m为Hanning窗口系列下的元素个数；t和s只是一个中间变量；同时0≤k<m+n步骤13中的N=m+n。

步骤13、将所述时域信号f(k)通过傅里叶变换DFT转换到频域F(n)。

傅里叶变换公式如下：

$F\left(n\right)=\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}f\left(k\right)W_N^{\mathrm{nk}}$ 0≤n≤N-1

步骤14、通过峰值检测原理，获取频率范围为[0.5Hz，2Hz]之间的频率变换曲线中的最大值f_hr。

在频域范围内，之所以选择[0.5Hz，2Hz]范围内，是由于峰值频率与心率成60倍的关系，即：0.5-2.0HZ的频率对应的心率为30-120Bmp。

步骤15、根据频率值与心率值的线性关系，获得一分钟内各个视频帧图像中的各个子区域对应心率值K。

K=60×f_hr

本实施例，在计算人体的心率值时，先对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号，再根据该平均灰度离散信号求取各个视频帧图像中的各个子区域对应的心率值。该去噪声的过程中，充分的考虑了光照改变的情况下，对视频中的各个子区域图像的像素值的影响，从而提高了心率值的测量准确度。

需要说明的是，采集的用于人体心率测量的视频可以是一段人脸面部视频，也可以是一段手部血管视频，在此不做限制，为了描述方便，本实施例以人脸面部视频为例来进行说明。

本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

实施例二

图3示出了本发明实施例二提供的基于可见光图像测量人体心率的方法的实现流程，详述如下：

步骤S301，采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像x_k。

步骤S302，获取各个视频帧图像中的人脸区域。

步骤S303，将获取的所述人脸区域均划分成num个子区域。

步骤S304，分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号。

步骤S305，对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值。

步骤S306，统计各个子区域中符合肤色特征的像素个数的变化总量。

在本实施例中，通过下述步骤来统计各个子区域中符合肤色特征的像素个数的变化总量：

步骤31、统计所采集的视频中的初始帧（即第一帧）划分的num个区域中符合肤色特征的像素个数T_num,num∈[1,9],分别代表9个子区域，初始化各个子区域权重w_num为1。

步骤32、统计第k帧的各个子区域中符合肤色特征的像素个数Tcur_num(k)。

步骤33、计算各个子区域中符合肤色特征的像素个数变化量ΔT_num(k)：

ΔT_num(k)=|Tcur_num(k)-T_num|

步骤34、统计n帧内的每个子区域中符合肤色特征的像素个数变化总量Sum_num：

${\mathrm{Sum}}_{\mathrm{num}}=\left\{\begin{array}{cc}\underset{k<n}{\mathrm{\&Sigma;}}{\mathrm{\&Delta;T}}_{\mathrm{num}}\left(i\right)& 0<\underset{k<n}{\mathrm{\&Sigma;}}{\mathrm{\&Delta;T}}_{\mathrm{nun}}\left(i\right)<T_{\mathrm{thr}}\\ 0& \underset{k<n}{\mathrm{\&Sigma;}}{\mathrm{\&Delta;T}}_{\mathrm{num}}\left(i\right)\&GreaterEqual;T_{\mathrm{thr}}\\ 1& \underset{k<n}{\mathrm{\&Sigma;}}{\mathrm{\&Delta;T}}_{\mathrm{num}}\left(i\right)=0\end{array}\right.$

其中T_thr为阈值。

步骤S307，根据所述变化总量以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值。

在本实施例中，先根据所述变化总量得到所述视频中的各个子区域权重w_num，再根据所述权重w_num以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值。

举例如下：

先对9个子区域进行权重赋值，各个子区域的权重如下公式所示：

$w_{\mathrm{num}}=\left\{\begin{array}{cc}1/{\mathrm{Sum}}_{\mathrm{num}}& 0<{\mathrm{Sum}}_{\mathrm{num}}\\ 0& \mathrm{else}\end{array}\right.$

然后，根据所述权重，对各个子区域对应的心率值进行修正，公式如下所示：

$\mathrm{Value}=\frac{1}{\underset{\mathrm{num}\&Element;\&lsqb;\mathrm{1,9}\&rsqb;}{\mathrm{\&Sigma;}}{w}_{\mathrm{num}}}\underset{\mathrm{num}}{\mathrm{\&Sigma;}}(w_{\mathrm{num}}\&times;{\mathrm{Value}}_{\mathrm{num}})$

其中，Value为修正后的心率值，Value_num为第num个子区域获取的心率值。

本实施例，考虑到人脸在检测过程中会有运动，每帧中各个子区域中的所包含的人脸肤色信息量与上一帧有一定的变化，主要体现在当前帧的检测对象有所改变，从而影响心率值检测的准确度。因此根据各个子区域中符合肤色特征的像素个数的变化总量来修正各个子区域对应的心率值，提高了心率测量的准确度。

本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

实施例三

图4示出了本发明实施例三提供的基于可见光图像测量人体心率的装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。该基于可见光图像测量人体心率的装置可以是手持设备或者电视终端中的软件单元、硬件单元或者软硬件结合的单元。在本实施例中，该基于可见光图像测量人体心率的装置4包括：视频帧提取单元41、人脸区域获取单元42、人脸区域划分单元43、去噪声单元44和子区域心率值计算单元45。

其中，视频帧提取单元41，用于采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像；

人脸区域获取单元42，用于获取各个视频帧图像中的人脸区域；

人脸区域划分单元43，用于将获取的所述人脸区域均划分成num个子区域；

去噪声单元44，用于分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号；

子区域心率值计算单元45，用于分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值。

具体的，所述去噪声单元44包括：像素平均值计算模块、拟合模块、噪声当量计算模块和平均亮度计算模块。

其中，像素平均值计算模块，用于计算各个视频帧图像中的各个子区域的每一行像素点的行像素平均值，每一列像素点的列像素平均值；

拟合模块，用于分别对各个子区域的行像素平均值、列像素平均值采用3次多项式的方式进行拟合；

噪声当量计算模块，用于根据所述拟合曲线，计算第k帧中当前像素点的噪声当量；

平均亮度计算模块，用于根据各个视频帧图像中的各个子区域的灰度离散信号以及所述各个视频帧图像中的各个子区域的噪声当量，统计各个子区域的像素点的平均亮度。

本发明实施例提供的基于可见光图像测量人体心率的装置可以应用在前述对应的方法实施例一中，详情参见上述实施例一的描述，在此不再赘述。

实施例四

图5示出了本发明实施例四提供的基于可见光图像测量人体心率的装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。该基于可见光图像测量人体心率的装置可以是手持设备或者电视终端中的软件单元、硬件单元或者软硬件结合的单元。在本实施例中，该基于可见光图像测量人体心率的装置5包括：视频帧提取单元51、人脸区域获取单元52、人脸区域划分单元53、去噪声单元54、子区域心率值计算单元55、变化总量计算单元56和心率值计算单元57。

其中，视频帧提取单元51、人脸区域获取单元52、人脸区域划分单元53、去噪声单元54、子区域心率值计算单元55的功能与实施例三中的视频帧提取单元41、人脸区域获取单元42、人脸区域划分单元43、去噪声单元44和子区域心率值计算单元45相同，在此不再赘述。

变化总量计算单元56，用于统计子区域心率值计算单元55计算得到的所述视频中的各个子区域中符合肤色特征的像素个数的变化总量；

心率值计算单元57，用于根据所述变化总量以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值

具体的，所述变化总量计算单元56包括：第一像素个数统计模块、第二像素个数统计模块、像素个数变化量计算模块和像素个数变化总量计算模块。

其中，第一像素个数统计模块，用于统计所采集的视频中的初始帧划分的num个区域中符合肤色特征的像素个数T_num,并初始化各个子区域权重w_num为1；

第二像素个数统计模块，用于统计第k帧的各个子区域中符合肤色特征的像素个数Tcur_num(k)；

像素个数变化量计算模块，用于计算各个子区域中符合肤色特征的像素个数变化量ΔT_num(k)，所述ΔT_num(k)满足：

ΔT_num(k)=|Tcur_num(k)-T_num|

像素个数变化总量计算模块，用于统计n帧内的每个子区域中符合肤色特征的像素个数变化总量Sum_num。

具体的，所述心率值计算单元57包括：权重计算模块和心率值计算模块。

其中，权重计算模块，用于根据所述变化总量得到所述视频中的各个子区域权重w_num；

心率值计算模块，用于根据所述权重w_num以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值。

本发明实施例提供的基于可见光图像测量人体心率的装置可以应用在前述对应的方法实施例二中，详情参见上述实施例二的描述，在此不再赘述。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于可见光图像测量人体心率的方法，其特征在于，所述方法包括：

采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像；

获取各个视频帧图像中的人脸区域；

将获取的所述人脸区域均划分成num个子区域；

分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号；

分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值；

在所述分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值之后，还包括：

统计所述视频中的各个子区域中符合肤色特征的像素个数的变化总量；

根据所述变化总量以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值；

所述统计所述视频中的各个子区域中符合肤色特征的像素个数的变化总量包括：

统计所采集的视频中的初始帧划分的num个区域中符合肤色特征的像素个数T_num,并初始化各个子区域权重w_num为1；

统计第k帧的各个子区域中符合肤色特征的像素个数Tcur_num(k)；

计算各个子区域中符合肤色特征的像素个数变化量ΔT_num(k)，所述ΔT_num(k)满足：

ΔT_num(k)＝|Tcur_num(k)-T_num|

统计n帧内的每个子区域中符合肤色特征的像素个数变化总量Sum_num。

2.如权利要求1所述的方法，其特征在于，所述分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号具体包括：

计算各个视频帧图像中的各个子区域的每一行像素点的行像素平均值，每一列像素点的列像素平均值；

分别对各个子区域的行像素平均值、列像素平均值采用3次多项式的方式进行拟合；

根据所述拟合曲线，计算第k帧中当前像素点的噪声当量；

根据各个视频帧图像中的各个子区域的灰度离散信号以及所述各个视频帧图像中的各个子区域的噪声当量，统计各个子区域的像素点的平均亮度。

3.如权利要求1所述的方法，其特征在于，所述根据所述变化总量以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值包括：

根据所述变化总量得到所述视频中的各个子区域权重w_num；

根据所述权重w_num以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值。

4.一种基于可见光图像测量人体心率的装置，其特征在于，所述装置包括：

视频帧提取单元，用于采集一段用于人体心率测量的视频，并从所述视频中提取出各个视频帧图像；

人脸区域获取单元，用于获取各个视频帧图像中的人脸区域；

人脸区域划分单元，用于将获取的所述人脸区域均划分成num个子区域；

去噪声单元，用于分别对从各个视频帧图像中的各个子区域获取的灰度离散信号进行去噪处理，得到各个视频帧图像中的各个子区域的平均灰度离散信号；

子区域心率值计算单元，用于分别对所述平均灰度离散信号进行分析处理，得到所述视频中的各个子区域对应的心率值；

所述装置还包括：

变化总量计算单元，用于统计所述视频中的各个子区域中符合肤色特征的像素个数的变化总量；

心率值计算单元，用于根据所述变化总量以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值；

所述变化总量计算单元包括：

第一像素个数统计模块，用于统计所采集的视频中的初始帧划分的num个区域中符合肤色特征的像素个数T_num,并初始化各个子区域权重w_num为1；

第二像素个数统计模块，用于统计第k帧的各个子区域中符合肤色特征的像素个数Tcur_num(k)；

像素个数变化量计算模块，用于计算各个子区域中符合肤色特征的像素个数变化量ΔT_num(k)，所述ΔT_num(k)满足：

ΔT_num(k)＝|Tcur_num(k)-T_num|

像素个数变化总量计算模块，用于统计n帧内的每个子区域中符合肤色特征的像素个数变化总量Sum_num。

5.如权利要求4所述的装置，其特征在于，所述去噪声单元包括：

像素平均值计算模块，用于计算各个视频帧图像中的各个子区域的每一行像素点的行像素平均值，每一列像素点的列像素平均值；

拟合模块，用于分别对各个子区域的行像素平均值、列像素平均值采用3次多项式的方式进行拟合；

噪声当量计算模块，用于根据所述拟合曲线，计算第k帧中当前像素点的噪声当量；

平均亮度计算模块，用于根据各个视频帧图像中的各个子区域的灰度离散信号以及所述各个视频帧图像中的各个子区域的噪声当量，统计各个子区域的像素点的平均亮度。

6.如权利要求4所述的装置，其特征在于，所述心率值计算单元包括：

权重计算模块，用于根据所述变化总量得到所述视频中的各个子区域权重w_num；

心率值计算模块，用于根据所述权重w_num以及所述视频中的各个子区域对应的心率值，得到所述视频对应的心率值。

7.一种手持设备，其特征在于，所述手持设备包括如权利要求4至6任一项所述的基于可见光图像测量人体心率的装置。