CN103890780B - 失真降低的信号检测 - Google Patents
失真降低的信号检测 Download PDFInfo
- Publication number
- CN103890780B CN103890780B CN201280048064.8A CN201280048064A CN103890780B CN 103890780 B CN103890780 B CN 103890780B CN 201280048064 A CN201280048064 A CN 201280048064A CN 103890780 B CN103890780 B CN 103890780B
- Authority
- CN
- China
- Prior art keywords
- signal
- reflection
- indicative
- fundamental
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title description 22
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000014509 gene expression Effects 0.000 claims abstract description 43
- 230000000295 complement effect Effects 0.000 claims abstract description 18
- 230000005670 electromagnetic radiation Effects 0.000 claims abstract description 17
- 230000000737 periodic effect Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 230000005855 radiation Effects 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 28
- 238000010606 normalization Methods 0.000 claims description 18
- 230000011514 reflex Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004581 coalescence Methods 0.000 claims description 5
- 230000036387 respiratory rate Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 144
- 239000011159 matrix material Substances 0.000 description 32
- 238000005286 illumination Methods 0.000 description 25
- 238000001914 filtration Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 11
- 230000036555 skin type Effects 0.000 description 9
- 230000002349 favourable effect Effects 0.000 description 8
- 239000000047 product Substances 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000004040 coloring Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000010349 pulsation Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000001579 optical reflectometry Methods 0.000 description 1
- 238000002496 oximetry Methods 0.000 description 1
- 208000030613 peripheral artery disease Diseases 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30076—Plethysmography
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及用于从检测到的特征信号中提取信息的设备和方法。可从由对象(12)所发射或者反射的电磁辐射(14)得到的数据流(26)被接收。数据流(26)包括基于连续或离散时间的特征信号(;98)，其包括与信号空间(88)的相应互补通道(90a,90b,90c)相关的至少两个主要分量(92a,92b,92c)。特征信号(;98)在考虑大体上线性的代数信号构成模型的情况下被映射到定义的分量表示(;)以便规定线性代数方程。所述线性代数方程在考虑规定的信号部分()的至少近似估计的情况下被至少部分地求解。因此，高度地指示至少一个至少部分周期性的生命信号(20)的表达能够从所述线性代数方程得到。
Description
技术领域
本发明涉及一种用于从特征信号中提取信息的设备和方法，其中特征信号被嵌入在可从电磁辐射得到的数据流中，特别地其中数据流包括基于连续或离散时间的特征信号，其中特征信号包括与信号空间相关联的至少两个主要分量，信号空间包括用于表示特征信号的互补通道，特征信号的主要分量与信号空间的相应互补通道相关。本发明进一步解决了失真降低的信号检测。
背景技术
WO 2011/021128 A2公开了用于图像分析的方法和系统，包括：
- 获得图像的序列；
- 对图像的序列中的至少一个执行基于视觉的分析以便获得用于对在图像中表示的主体的状态进行分类的数据；
- 确定在图像的序列中的至少一些中表示的生物的生理参数的至少一个值，其中生理参数的至少一个值通过对来自图像的相同的序列的图像数据的分析而被确定，对其执行了基于视觉的分析的至少一个图像取自所述图像的序列；以及
- 使用用基于视觉的分析所获得的数据和生理参数的至少一个值来分类主体的状态。
本文档进一步公开了所述方法和系统的若干细化。例如，远程光电容积脉搏波(PPG)分析的使用被设想。一般而言，在图像处理的领域中，许多进步被做出，因为记录数据的深入分析被实现了。在这个上下文中，能够设想以某种方式从记录的数据中提取信息以便使能实现关于被观察生命个体的身体状况或甚至健康的具体结论。
WO 2011/042858 A1公开了解决处理信号的另一个方法和系统，所述信号至少包括表示生物中的周期性现象的分量。远程光电容积脉搏波描记法(photoplethysmography)的附加的基本方法在Optics Express, Optical Society of America, Washington,D.C., USA, vol. 16, no. 26, pp. 21434-21445中Verkruysse, W等人(2008)的“Remoteplethysmographic imaging using ambient light”中被描述。
然而，通过例子，诸如由于改变的光照条件或被观察对象的移动而导致的噪声，诸如捕获到的反射的或发射的电磁辐射之类的记录数据（尤其是记录的图像帧）除了要被从其提取的所期望的信号外还常常包括从总体干扰得到的另外的信号分量。从而，所期望的信号的具体精确提取对这样的数据的处理仍然提出了较大挑战。
尽管计算性能领域中的相当大的进步已被做出了，但是提供即时图像识别和图像处理从而使能实现期望的生命信号的立即的（可以说是在线的）检测仍然是一个挑战。这特别地适用于通常缺少充足计算能力的移动设备应用。此外，数据传输容量能够在若干应用中被限制。
对这个挑战的可能方法可以针对当捕获感兴趣信号时提供准备充分且稳定的环境条件，所期望的信号分量被嵌入在所述感兴趣信号中以便最小化重叠该信号的干扰信号分量。然而，这样的实验室条件不能够被转移到日常现场应用，因为高的努力和准备工作对其来说将是要求的。
毕竟，当干扰信号分量的幅度和/或标称值比要被提取的期望信号分量的幅度和/或标称值大得多时，生命信号检测变得甚至更加困难。潜在地，相应分量之间的差异的量级能够被预期甚至包括几个数量级。这特别地适用于远程PPG。
发明内容
因此，本发明的目标是提供用于从检测到的特征信号中提取信息从而提供便于以较高准确性获得所期望的信号的进一步细化的系统和方法。
此外，提供甚至被适配用于在相当差的环境条件（例如小信噪比）、变化的光照条件和/或要被观察的对象的稳定或甚至不稳定移动下使能实现所期望的信号的提取的设备和方法将是有利的。提供被适配成是不太易受干扰的设备将是进一步有利的，所述干扰影响要被处理和分析的所捕获到的信号。
在本发明的第一方面，用于从检测到的特征信号中提取信息的系统被呈现，所述系统包括：
- 接口，其用于接收可从被对象反射的电磁辐射得到的数据流，数据流包括基于连续或离散时间的特征信号，特征信号包括与信号空间相关联的至少两个主要分量，信号空间包括用于表示特征信号的互补通道，特征信号的主要分量与信号空间的相应互补通道相关，
- 转换器装置，其用于在考虑大体上线性的代数信号构成模型的情况下将特征信号映射到定义的分量表示以便规定线性代数方程，特征信号至少大体上由生理反射分量和干扰反射分量组成，其中生理反射分量包括可归因于要被观察的对象的基本生理属性的基本反射部分和可归因于至少一个至少部分周期性的生命信号的指示性的反射部分，
-其中基本反射部分包括基本反射指数元素和基本反射系数，
-其中指示性的反射部分包括指示性的反射指数元素和时间相关的指示性的反射系数，指示性的反射系数高度地指示感兴趣的至少一个至少部分周期性的生命信号，
-其中干扰反射分量包括干扰反射指数元素和干扰反射系数，
- 处理装置，其用于在考虑基本反射指数元素、指示性的反射指数元素以及干扰反射指数元素的定向的至少近似估计的情况下来至少部分地求解线性代数方程以便得到高度地指示至少一个至少部分周期性的生命信号的表达，所述高度地指示性的表达至少包括指示性的反射系数。
特别地当即时信号检测被要求时，对象运动和改变的光照条件对信号检测形成了较大挑战。例如，检测到的光照改变能够是由对象运动引起的。这特别地在对象跟踪经受诸如时间延迟之类的限制时或甚至在光照仅在非常小的区域中是一致的时适用。此外，光照条件能够由于不稳定的光照源（例如变化的环境光）而劣化。这特别地适用于基于远程捕获到的数据的信号检测。
本发明是基于这样的洞察力的：特征信号能够被分解成可归因于若干现象的信号部分。考虑这个关系，信号提取能够被改进，因为关于若干信号部分的定向的估计能够被应用以便简化底层问题。
换句话说，当将特征信号“映射”到所定义的分量表示并且将信号“分裂”成指数元素(例如，单位向量)和表示相应量级的系数时，复杂问题能够被转换成包括简化的子问题的表达。从而，数据处理能够集中于这些子问题。假设和估计能够针对子问题并且可以至少部分地在处理复杂问题中做出贡献。特别地，干扰反射分量的定向在某种程度上能够被估计。因此，特征信号能够针对干扰反射分量被至少部分地补偿。信噪比能够被以这种方式改进。因此，下游信号分析能够甚至在相当挑战性的条件下被简化。
数据流能够包括数据序列，例如，包括色彩信息的一系列图像帧，诸如RGB图像。图像帧能够表示感兴趣对象和另外的元素。基本上，另外的元素不指示要被从数据流中提取的所期望的信号。在这点上，能够设想到的是，特征信号包括三个(例如R、G以及B)或甚至更多的主要分量。
存在转换器装置和处理装置的若干实施例。在第一个十分简单的实施例中，转换器装置和处理装置由处理单元、特别是由被相应的逻辑命令驱动的个人计算机或移动设备的处理器单元来体现。这样的处理单元还可以包括适合的输入和输出接口。
然而，在替代方案中，转换器装置和处理装置中的每一个都能够由单独的处理单元来体现，所述单独的处理单元被或者可由相应命令驱动。从而，每个相应的处理单元能够适于其特殊目的。因此，任务的分配可以被应用，其中不同的任务被处理，例如，在多处理器处理单元的单个处理器上被执行，或者，再次参考个人计算机，图像处理相关的任务在图像处理上被执行，然而其它操作任务在中央处理单元上被执行。
不言而喻，进一步的信号优化措施能够被应用于包括特征信号的数据流。这些措施能够包括运动补偿、图式检测（例如面部检测）或归一化措施。归一化能够致使信号分量至少部分地独立于总体干扰。在该上下文中，应提醒的是，在日常条件下，感兴趣信号相比于非指示性的干扰是相当小的。此外，上游和/或下游滤波器能够被利用以便衰减数据流的潜在地非指示性的部分。
根据所述设备的另一个方面，至少一个至少部分周期性的生命信号选自由心率、心跳、呼吸率、心率变异性、Traube–Hering–Mayer波以及氧饱和度构成的组，并且其中信号空间是加性（additive）或减性（subtractive）色彩信号空间，其中至少两个主要分量表示由互补通道所指示的相应的不同的色彩分量，其中互补通道与定义的光谱部分相关。
有利地，这些生命信号中的至少一些能够被转成彼此。特征信号的轻微脉动或振荡能够被分析和解释以便得出所期望的生命信号的检测。此外，应理解，一般而言，(一个或多个)所期望的生命信号能够直接地或间接地从感兴趣对象展示的至少一个至少部分周期性的信号得到。不言而喻，本发明的设备和方法能够与进一步的检测和分析措施组合以便进一步增强信号提取。
例如，RGB信号空间可以被应用。替代信号空间可以包括YUV、CIE XYZ、HSV、HSL、sRGB以及xvYCC信号或者从其得到。并且其衍生物能够被利用。应指出，基本上线性的RGB信号能够被利用于所期望的信号检测。因此，非线性信号空间(例如伽玛校正的信号)能够被相应地变换。能够进一步设想至少部分地组合若干不同的信号空间，以便为所要求的分析过程提供更广的光谱基础。例如，所谓的RGBY信号也能够被应用。在RGBY信号空间中，除红、绿以及蓝信号之外，黄信号同样能够携带色彩信息。
在输入数据流与减性色彩模型（例如CMYK）相关的情况下，数据能够被相应地转换以便得出加性信号空间。
另外的光谱分量能够被利用于从数据流中提取所期望的(一个或多个)生命信号。在这点上，红外线辐射分量同样能够被应用。例如红信号与红外线信号之间的比率能够高度地指示所期望的信号。并且红外线辐射能够经历镜面反射比(reflectance)。同样能够设想将红外线信号添加到RGB信号空间。
根据更进一步的方面，所述设备包括用于从经计算的高度地指示性的表达中提取生命信号的提取器装置，生命信号优选地在考虑指示性的反射系数或者考虑指示性的反射系数和基本反射系数的比率的情况下而被提取。
例如，能够将指示性的反射系数除以基本反射系数或基本反射系数的平均值。适合的强度归一化能够被以这种方式实现。因此，所期望的信号能够变得平滑，这对于进一步的信号处理措施能够被认为是所期望的。
根据所述设备的另一有利的实施例，基本反射部分至少大体上指示感兴趣对象展示的平均组织色彩，其中指示性的反射部分至少大体上指示感兴趣对象的组织色彩的至少部分周期性的脉动，并且其中干扰反射分量至少大体上指示干扰镜面反射。
例如，光照相关干扰的相当大的一部分能够由镜面反射来解释。镜面反射比是入射辐射在界面处的“完美”反射。基本上，入射光线对应于反射光线。反射的角度等于入射的角度。换句话说，镜面反射暗示在表面和界面处的类似镜面的反射。此外，反射光线高度地指示电磁辐射的源，即光照源。这个关系能够被利用以便创建并且求解表示特征信号的构成模型的线性代数方程。
应理解，主要地，漫反射提供所期望的生命信号。漫反射大体上包括体反射而不是界面反射。例如，体反射受身体的感兴趣区域的色彩的轻微改变的影响。色彩改变可能是尤其由归因于血液循环的血管脉动引起的。所期望的生命信号能够被从其得到。此外，入射辐射能够在某种程度上被吸收。然而，可检测的反射信号非常可能包括干扰镜面反射部分。镜面反射基本上“映出”入射辐射而不受存在于界面(例如，皮肤的上表面)下面的对象属性影响。特别地，汗性皮肤区域和油性或多脂的皮肤区域高度地易受到镜面反射。在特定情况，例如体育实践、锻炼、体力工作下，或者甚至由于生病，被对象反射的电磁辐射的巨大部分能够与镜面反射比相关。因此，特征信号能够假设具有差的（即相当小）的信噪比。
根据所述设备的又一个方面，估计的指示性的反射指数元素在考虑包括基本反射指数元素的估计的表达和预定示范性的指示性的反射指数元素的归一化表达的情况下被获得。
与相应的归一化相组合以便避免皮肤类型相关的影响的样本指示性的反射指数元素的初始或移动估计能够被认为是求解由转换器装置所建立的线性代数方程的适合方法。
应理解，在示范性测量期间获得的预定的示范性的指示性的反射指数元素能够在相应的基本反射指数元素被确定时使能实现要被观察的对象的另外的指示性的反射指数元素的确定。基本上，基本反射指数元素能够被利用于指示性的反射指数元素的所期望的估计。应用于示范性的指示性的反射指数元素的归一化能够针对至少在一定程度上衰减皮肤类型相关的影响。因此，经归一化的(皮肤类型无关的)指示性的反射指数元素能够与基本反射指数元素组合以便“代替”目前的指示性的反射指数元素。
根据有利的替代方法，经估计的指示性的反射指数元素被认为与由基本反射指数元素和干扰反射指数元素所跨越的信号平面正交，其中经估计的干扰反射指数元素至少大体上与指示影响感兴趣对象的电磁辐射源的特征的光照指数元素对准（align）。
如上面所提到的那样，镜面反射基本上“映出”入射辐射。因此，干扰反射指数元素能够被认为展示了发射已反射辐射的辐射源的色彩。通常，至少大体上白的光被辐射源发射。结果，对于镜面反射，由传感器装置所检测的镜面反射的辐射同样展示白辐射(光)。当聚结的指示性的图式的主要分量以便得出特征信号时，镜面反射相关的干扰反射分量基本上引起与干扰反射指数元素对准的“信号偏移”。信号偏移的长度(或量级)能够归因于经受镜面反射的指示性的图式的部分。对于白光，干扰反射指数元素能够被认为与穿越信号空间的对角向量平行，所述对角向量表示辐射源特征。在(统一的) RGB信号空间被应用情况下，对角向量基本上在黑点（例如(0,0,0)）处开始，并且在信号空间的白点（例如(1,1,1)）处结束。从而，干扰反射指数元素能够由向量(1,1,1)来表示。不言而喻，(长度)归一化能够被应用于相应的向量，因为干扰反射指数元素指示方向(即空间定向)而不是包括长度信息的不同的值表达。
在整个聚结的图式（agglomerated pattern）经受镜面反射情况下，特征信号大体上对应于能够被认为等于对角向量的干扰反射分量。在所观察到的图式仅部分地受镜面反射影响的情况下，特征信号部分地由能够被认为平行于但分别比对角向量要短的干扰反射分量组成。
应理解，“对角向量”能够在非白光被应用的情况下被相应地适配。
进一步假设：估计的指示性的反射指数元素能够被认为与由基本反射指数元素和干扰反射指数元素所跨越的平面正交是充分假设，因为信号中所期望的生命信号的波动能够被假定为既不与基本反射指数元素也不与干扰反射指数元素平行。换句话说，假定指示性的反射指数元素能够被认为是基本反射指数元素和干扰反射指数元素的(归一化的)叉积（cross product）在(预定的)示范性的指示性的反射指数元素的归一化的表达不能够被提前确定的情况下是有利的方法。
根据又更进一步的方面，估计的基本反射指数元素是从感兴趣对象的指示性的区域的特征信号的聚结的主要分量得到的，其中估计的干扰反射指数元素至少大体上与指示影响感兴趣对象的电磁辐射源的特征的光照指数对准，优选地所述设备被进一步适配成在观察感兴趣对象时应用基本反射指数元素的初始确定。
例如，感兴趣对象的面部部分能够被观察到。当跟踪面部部分时，归一化能够被应用以便概括重叠面部部分的相应(像素)图式的单个(像素)值。因此，特征信号能够包括单个聚结的值。特征信号能够以这种方式针对对象运动和/或改变的光照而被归一化。
根据这个实施例的有利的变例，估计的指示性的反射指数元素被认为至少大体上与基本反射指数元素正交并且至少大体上与干扰反射指数元素正交。
根据更进一步的实施例，对数信号表示被应用于所定义的分量表示，优选地基本反射系数与干扰反射系数之间的假定比率被考虑用于指示性的反射系数的确定。
这个实施例在同样利用包括对数标度的信号空间时可以是特别适合的。例如，logRGB信号空间能够被应用以用于表示特征信号。一般而言，对数数据表示能够通过将广泛的值的表示降低到较小范围来解决预期的差信噪比。此外，对数能够便于数据计算，因为复杂计算能够被对数值的简化计算运算代替或者至少近似。而且，对数数据表示允许诸如泰勒(Taylor)级数之类的另外的简化表示。从而，例如，对于基本上依赖两个不同值的比率的数据处理，这个比率能够被转换成对数表示，对数表示能够被转换成(近似的)泰勒级数。因此，除法项能够被差项容易地代替。
根据这个实施例的变例，基本改变被应用于所定义的分量表示以便确保指示性的反射系数的平均值大于零，其中生命信号能够从指示性的反射系数的变换的表示得到。
根据本发明的另一方面，数据处理进一步包括特征信号在考虑基本反射指数元素的情况下的归一化。
根据本发明的另一个方面，干扰反射指数元素在考虑包括基本反射指数元素的预定归一化值的表达的情况下被获得，所述基本反射指数元素在考虑光照指数元素的假定的标准定向的情况下被获得，所述光照指数元素指示影响感兴趣对象的电磁辐射源的特征。
在这个上下文中，应理解，在一些情况下，估计的(常见的)基本反射指数元素能够被考虑。例如，当辐射源基本上发射白光时，基本反射指数元素能够被估计为至少在一定程度上与感兴趣对象的皮肤类型无关。考虑到这个估计，实际的基本反射指数元素能够被估计的基本反射指数元素代替以用于进一步处理。
根据进一步有利的变例，所述设备进一步包括缓冲装置，其用于缓冲特征信号以及基本反射系数、指示性的反射系数和干扰反射系数的结果得到的表示达定义的周期，其中处理装置被进一步适配成对经缓冲的指示性的反射系数应用傅里叶(Fourier)变换以便确定其优势频率分量，其中基本反射系数、指示性的反射系数以及干扰反射系数被转换为包括相应系数的内积的变换的信号表示，其中指示性的反射指数元素在考虑经变换的信号表示的情况下被确定。
指示性的反射系数能够以这种方式针对适任性（eligibility）而被评估以用于进一步信号处理。基本上，当经缓冲的指示性的反射系数的傅里叶变换示出了与相应频率相关的干净的信号峰值时，进一步的处理能够被应用于指示性的反射系数。在这点上，能够设想对最大信号峰值和另外的信号峰值的比率应用特定门限。优势频率能够被以这种方式确定。
在本发明的另一个方面，一种用于从检测到的特征信号中提取信息的方法被呈现，包括步骤：
- 接收可从被对象反射的电磁辐射得到的数据流，数据流包括基于连续或离散时间的特征信号，特征信号包括与信号空间相关联的至少两个主要分量，信号空间包括用于表示特征信号的互补通道，特征信号的主要分量与信号空间的相应互补通道相关，
– 在考虑大体上线性的代数信号构成模型的情况下将特征信号映射到定义的分量表示以便规定线性代数方程，特征信号至少大体上由生理反射分量和干扰反射分量组成，其中生理反射分量包括可归因于要被观察的对象的基本生理属性的基本反射部分和可归因于至少一个至少部分周期性的生命信号的指示性的反射部分，
-其中基本反射部分包括基本反射指数元素和基本反射系数，
-其中指示性的反射部分包括指示性的反射指数元素和时间相关的指示性的反射系数，指示性的反射系数高度地指示感兴趣的至少一个至少部分周期性的生命信号，
-其中干扰反射分量包括干扰反射指数元素和干扰反射系数，
- 在考虑基本反射指数元素、指示性的反射指数元素以及干扰反射指数元素的定向的至少近似估计的情况下来至少部分地求解线性代数方程以便得到高度地指示至少一个至少部分周期性的生命信号的表达，所述高度地指示性的表达至少包括指示性的反射系数。
有利地，所述方法能够利用本发明的用于提取信息的所述设备来执行。
根据本发明的更进一步的方面，计算机程序被呈现，计算机程序包括程序代码装置，其用于当所述计算机程序在计算机上被执行时使计算机执行本发明的用于提取信息的所述方法的步骤。
本发明的优选实施例在从属权利要求中被定义。应理解，所要求保护的方法具有与所要求保护的设备和如在从属权利要求中所定义的类似的和/或相同的优选实施例。
附图说明
本发明的这些和其它方面从在下文中所描述的实施例将是明显的，并且将参考在下文中所描述的实施例而被阐明。在以下附图中
图1示出了其中本发明能够被使用的、设备的一般性布局的示意说明，
图2示出了利用体反射和界面反射方法的反射比模型的示意说明，
图3示出了反射比模型的另外的示范性的示意说明，
图4a示出了包括表示特征信号的指数元素的信号空间的示范性示意说明，
图4b作为解释示出了信号空间的另外的示范性的简化示意说明，以及
图5示出了包括信号转换和信号处理的系统的示意说明。
具体实施方式
图1示出了由附图标记10所表示的用于提取信息的设备的示意说明。例如，设备10能够被利用用于记录或者处理表示远程对象12的图像帧以用于远程PPG监测。图像帧能够从被对象12反射的电磁辐射14得到。对象12可以是人类或动物，或者一般地是生物。此外，对象12可以是人类的高度地指示期望信号的一部分，例如，面部部分或一般地皮肤部分。
诸如太阳光16a或人工辐射源16b之类的辐射的源以及若干辐射源的组合能够影响对象12。辐射源16a、16b基本上发射击打对象12的入射辐射18a、18b。为了从已记录数据（例如图像帧的序列）中提取信息，对象12的定义的部分或一部分能够被传感器装置24检测到。传感器装置24能够作为例子由适配成捕获至少属于电磁辐射14的光谱分量的信息的相机来体现。不言而喻，设备10同样能够被适配成处理已经提前记录并且同时被存储或者缓冲的输入信号，即输入数据流。如上面所指示的那样，电磁辐射14能够包含能够高度地指示至少一个至少部分周期性的生命信号20的连续或离散的特征信号。特征信号能够由(输入)数据流26来体现。对于数据捕获，对象12的潜在地指示性的部分能够被用像素图式22来掩蔽。当聚结加性分量的相应单个像素值时，平均像素值能够从像素图式22得到。以这种方式，所检测到的信号能够被归一化并且在某种程度上针对不期望的对象运动被补偿。平均像素值能够由特征信号来表示。在下文中，所捕获到的数据流26能够被认为是可以覆盖单个像素的对象12的感兴趣的特定区域或优选地覆盖多个像素的聚结的像素区域的表示。
在图1中，生命信号20可以允许关于心率、心跳、心率变异性、呼吸率或甚至氧饱和度的若干结论。
例如，用于获得这样的生命信号的常见方法可以包括触觉心率监测、心电描记法或脉冲血氧定量法。然而，为此目的，突兀的检测是要求的。如上面所指示的那样，替代方法针对利用图像处理方法的非突兀的远程测量。
包括连续或离散特征信号的数据流26能够被从传感器装置24输送到接口28。不必说，缓冲装置同样能够被插入在传感器装置24与接口28之间。在接口28的下游，数据流30能够被输送到的输入滤波器32能够被提供。输入滤波器32能够被认为可选的，这由虚线来指示。输入滤波器32能够被适配用于对输送到其的数据流30进行滤波。例如，输入滤波器能够包括带通滤波、高通滤波和/或低通滤波装置。对于一些方法来说，输入滤波能够被认为是适合的措施以便至少在某种程度上从数据流去除不期望的(频率)部分。输入滤波器32能够借助于硬件或软件来体现。经滤波的数据流34能够被以这种方式获得。
经滤波的数据流34能够被输送到转换器装置36以便在考虑数据流26、30、34的(假定的)分量的情况下来建立定义的数据表示。为此目的，在数据流26、30、34中包括的特征信号基本上等于合并了生理反射分量和干扰反射分量的信号构成模型。而且，生理反射分量能够归因于基本反射部分和指示性的反射部分。指示性的反射部分被认为高度地指示感兴趣信号。通过“确立”暗示这些关系的方程，在信号提取下的问题能够被简化并且准备好用于进一步的适合的信号处理措施。
在转换器装置36的下游，转换的数据流38能够被输送到的处理装置40被提供。转换器装置36被适配用于至少部分地求解由转换器装置36所建立的方程。因此，经处理的数据流42能够被获得。例如，经处理的数据流42能够包括与指示性的反射部分相关的值，例如，指示指示性的反射部分的时间“强度”或“能量”的表达。基本上，指示性的反射部分应该依照所期望的感兴趣信号轻微脉动。
经处理的数据流42能够通过利用可选的强度归一化装置44而被进一步优化。强度归一化可以包括了应该不指示感兴趣的生命信号而是指示总体强度改变的信号分量的考虑。例如，强度改变能够包括变化的光照条件。因此，归一化的数据流46能够被获得。
进一步可选的数据处理措施能够通过输出滤波器48而被执行。输出滤波器48能够进一步增强信号质量。输出滤波器48能够包括带通滤波、高通滤波和/或低通滤波装置以便增强潜在地指示性的(频率)信号部分。
经滤波的数据流50能够被输送到提取器装置52，所述提取器装置52能够被适配用于从经滤波的数据流50中提取感兴趣的生命信号20。例如，牵涉指示性的反射部分相关项的特征信号的分量能够被比较以便得到高度地指示性的项。因此，提取的输出信号54能够被创建。此外，提取器装置52能够被适配用于进一步的信号处理，例如，诸如心率指示性的频率峰值之类的优势信号峰值的检测。
输入滤波器32、转换器装置36、处理装置40、强度归一化装置44、输出滤波器48以及提取器装置52能够共同地由常见处理单元56（例如具有单个处理器或多个处理器的中央处理单元）来体现。同样，接口28能够在容纳相应子组件的常见处理单元56中被连接到其。通过例子，处理单元56能够通过由相应逻辑命令所驱动的个人计算机来体现。在传感器装置24借助于硬件而被同样共同地连接到接口28情况下，布置在更高层的捕获单元可以容纳相应的子组件。
然而，在替代方案中，能够设想使单独的传感器装置24与处理单元56组合。这个连接能够借助于电缆链路或者借助于无线链路而被确立。代替传感器装置24，包括预记录数据的存储装置同样能够被连接到处理单元56。
以下部分描述了利用本发明的设备和方法的若干方面的远程光电容积脉搏波描记法的示范性方法。应理解，所示出的方法和实施例的单个步骤和特征能够被从解释的上下文中提取。这些步骤和特征因此可以是仍然由本发明的范围所覆盖的单独的实施例的一部分。
使用远程检测器的非突兀生命信号监测已被引入。例如，视频相机能够被利用。通过例子，感兴趣的生命信号能够包括心率、心跳或呼吸率。特别地，这些尝试中的一些能够被称为远程光电容积脉搏波描记法(PPG)。
用于远程PPG的可能方法能够包括跟踪感兴趣对象的平均皮肤色调的算法，所述平均皮肤色调随着血容量和血氧而变化或者波动。然而，一般而言，这个一般性方法对运动、皮肤色调的局部变化以及光照水平/光谱非常敏感，因为所期望的信号当被这些现象影响时相应地变得失真。
所谓的加性（additive）失真能够被认为是对这些基础方法的巨大挑战。基本上，加性失真（例如镜面反射比中的改变）不包括感兴趣信号，例如心跳信号。从而，已知方法和算法的性能当面对加性失真时可能显著地劣化。
标准光电容积脉搏波描记法(PPG)能够被用来以非侵入性方式获得期望的生命信号。例如，心血管脉冲能够被监测。然而，标准PPG利用了牢固地固定到感兴趣对象（例如到指尖或耳垂）的附着物。因此，标准PPG仍然能够被认为是突兀的方法。一般而言，PPG利用光的反射比或透射，其能够被认为成归因于血容量的局部改变或氧饱和度中的改变而改变。例如，在不同波长（例如红光和红外线光）下的发光二极管(LED)能够被用于生成导向感兴趣对象的辐射。此外，光电二极管检测器能够被使用以便检测光改变。因此，例如，为了估计心率，与对红光和红外线光的光电二极管响应相对应的两个时间信号和的比率能够被分析：
(1),
其中和分别对应于信号和的平均值。比率被考虑以便针对LED的强度并且针对皮肤色彩来归一化信号。基本上，信号能够展示心血管脉冲，并且心率能够基本上通过结果得到的信号的频率分析而被确定。
当估计到信号的平均值例如由于统一的归一化而基本上等于一时，方程(1)能够被重写。因为使信号的(例如，与心率相关的)行为交替可以是特别感兴趣的，所以平均值(即，1)能够被相应地减去：
。
在这个上下文中，应理解，红对红外线比率是所期望的信号的提取的示范性方法。例如，同样红对绿比率能够被利用。与和定义的光谱部分相关的信号分量相关的另外的比率也能够被考虑。
当进一步假定上述表达的分母接近于一时，能够推断这个表达能够由如下差信号项来近似：
(2)。
然而，对于牵涉在红外线辐射指示性的分母项中为“可见”的干扰的情况，特别是对于远程PPG应用来说，这个近似被认为是不适当的。
替换地，对数运算符能够被利用于简化在方程(1)中提供的信号的表达，这导致
， (3)
其考虑了根据其比率和都接近于一的假设，并且对于对数表达的近似进一步利用对数运算符的泰勒级数，例如
。
对数运算符的优点能够在如下事实中被看到：基本上，光照归一化(例如，针对光源例如LED的强度，并且针对感兴趣对象展示的皮肤色彩)能够被避免，因为对数运算符导致
, (4)
其中当考虑信号的带通滤波时项能够被去除以便降低在感兴趣的频率范围外的失真。
基本上，两个(近似地离散的)波长(例如，红和红外线)能够被用来测量感兴趣信号，例如，心血管脉冲。然而，本方法不限于这些波长。然而，因为依赖基于相机的测量的基本远程PPG方法已被引入了，所以红、绿以及蓝信号(RGB)同样变得可用于信号处理以及检测感兴趣的生命信号。
尽管如此，远程测量经受若干主要干扰影响。例如，镜面反射比以及不期望的对象运动被相机观察到。因此，信噪比能够显著地劣化。在这点上，说明这些干扰将是期望的。知道主要干扰并且考虑其基本属性，信号检测能够被高度地改进。
在下文中，二色反射模型被引入，所述二色反射模型能够被认为是甚至在面对差信噪比时使能实现所期望的信号的检测的适当方法。二色反射模型对光(或一般而言，电磁辐射)如何与包括对入射光的一部分进行反射的表面层的介质以及包括产生扩散反射的着色剂和(皮肤)着色的组织层相互作用进行建模。
在这点上，对图2进行参考，图2说明了入射辐射70在两个媒介62、64之间的界面60处的反射。附图标记62表示入射辐射70通过其被透射的空气。附图标记64表示入射辐射70被导向的皮肤组织。界面60被插入在空气62与皮肤组织64之间。界面60能够被认为是皮肤的上表面。皮肤组织64可以包括随着感兴趣信号（例如心率）而轻微波动的着色剂66。界面或上表面66可以包括宏观表面法线68和微观表面法线74，后者可归因于微观表面不均匀。从而，甚至在界面60处经受(完美)镜面反射的入射辐射70能够以与微观表面法线74而不是宏观表面法线68相对应的反射角被反射。经反射的辐射由附图标记76来表示。要被用宏观表面法线68的知识预期的反射辐射由附图标记72来表示。然而，对于下面的阐明，微观表面法线74能够与宏观表面法线68相等。
此外，入射辐射70的相当大的分量被皮肤组织着色剂66而不是界面60反射。反射可以包括如由附图标记78、78'、78''所指示的多个反射。因为皮肤组织着色剂66不均匀地分布在皮肤组织64中并且相应的色彩可能随着时间的推移而变化，所以所谓的体反射能够被大体上认为是漫反射。由于体反射而导致的反射的辐射由附图标记80来表示。因此，除镜面反射分量76之外，漫射扩散反射分量80同样能够被感兴趣对象反射。
从而，入射光或辐射的一部分被漫反射分量（即体反射分量80）反射，其已经经过皮肤并且表示皮肤色彩，所述皮肤色彩包括由于所期望的生命信号(例如，心率)而导致的其的变化。这个反射分量高度地指示感兴趣信号。
相反，在皮肤的上表面60处直接地反射的镜面反射分量76主要指示施照体的色彩并且不包括相当的感兴趣信号。
因此，被感兴趣对象反射的辐射的两个部分可以发生。相结合地，这些部分形成所观察到的特征信号，例如，所观察到的色彩。例如由于对象运动，光照条件可以而随着时间的推移而变化。因此，特征信号同样可以随着时间的推移而大大变化。
二色反射模型基本上陈述了针对波长的反射光的总辐射P是两个独立部分的和：
， (5)
其中是入射角，是出射角，以及是如图3中所说明的相位角。在图3中，附图标记70对应于光照(入射辐射)的方向。附图标记74、68表示出于说明性目的在图3中被统一的相应表面法线。附图标记76代表在感兴趣对象的界面处反射的镜面反射分量。附图标记84表示观看方向。此外，为了完整性，图3示出了角度，其指示镜面反射76的方向与指示传感器装置24的位置和/或定向的观看方向84之间的角度。在下文中，角度不应该与方程(5)的光谱功率分布混淆。
方程(5)包括两个相对的光谱功率分布和。基本上，和取决于辐射的波长。当能够被认为是界面反射比分量的时，能够被认为是体反射比分量。系数和大体上取决于几何结构。系数和能够被称为体反射比分量和界面反射比分量的几何标度因子。
为了方便，当考虑实际上利用的传感器装置(例如，相机)的光谱响应特征时，方程(5)能够被转换为概括的向量空间表示
(6)
例如，诸如红、绿以及蓝滤波器之类的传感器装置的滤波器特征能够被考虑。总之，方程(5)能够遍及所应用的光照的光谱被积分以便产生反射光的总强度。这导致了为感兴趣表面上的特定点提供针对信号空间（例如RGB色彩空间）的二色反射模型的方程(6)，其中量级和能够被认为是标量。向量表示所测量到的色彩或特征信号。系数和能够被认为是反射在所讨论中的点处的量级。向量和表示感兴趣对象的界面反射(还被称为镜面反射)和体反射(还被称为生理反射)的色彩。
能够假定所测量到的(总体)色彩(还被称为特征信号)表示对象表面上的一组(像素)点，其能够被或多或少均匀地着色(皮肤色彩)。基本上，几何结构相关的因子从点到点不同。因此，标度因子和能够从点到点有所不同。然而，界面反射和体反射的色彩和在感兴趣表面上的所有点处大体上保持不变，因为它们能够被认为是不随着几何结构而变化的和的光谱投影。换句话说，当应用向量表示时，每个像素信号位于由两个色彩向量和所跨越的平面(还被称为二色平面)中。因此，色彩能够被认为与光照条件(包括相同的光谱但不同的强度)无关。
根据有利的方法，二色反射模型能够通过关于体反射向量或生理反射分量的进一步假设而被扩展。如上面所提到的那样，对象的皮肤组织的吸收比的轻微改变能够被检测到以便提取感兴趣的生命信号。换句话说，(实际的)体反射向量在平均体反射向量附近在时间上(轻微)振荡。为了方便，能够假定这些振荡能够由向量来描述，或者由向量至少线性地近似。因此，向量能够被标记为心跳向量。将向量合并到二色反射模型中能够被认为是用于扩展二色反射模型以便便于信号检测和处理的适当措施。因此，感兴趣像素(或，像素图式)的特征信号(例如，RGB值)能够由（平均）体反射向量、界面向量以及心跳向量的大体上线性的组合来描述：
。
为了方便，平均体反射向量的帽子(hat)其后能够被丢弃：
(7)。
应理解，向量（例如心跳向量）不是常向量，而是取决于光照的色彩、相机的响应性、红、绿与蓝通道的滤波器响应以及主体的皮肤色彩。基本上，相同情况适用于向量和。因此，应该必须针对每个传感器装置(相机)并且针对每个类型的辐射源(光照)来确定向量。然而，基于以下阐明，能够推断皮肤类型(即，皮肤色彩)不起作用。因此，一般而言，对于在稳定光照条件下的传感器装置，针对具有特定皮肤类型的感兴趣的示范性对象估计心跳向量能够认为是足够的。随后，(实际的)心跳向量能够通过使用对于实际皮肤类型的体反射向量的估计在逐个情况的基础上被估计。潜在地，这个洞察力能够被利用如下：如果感兴趣主体仍然保持静止达短时间段(例如，几秒钟)，则心跳向量能够通过在这个短时间段内应用于感兴趣对象的皮肤像素的平均红值、平均绿值以及平均蓝值的主分量分析而被以居间（mediate）方式容易地确定。基本上，相应的平均红值、平均绿值以及平均蓝值能够被认为是指示实际的体反射向量。
在替代方案中，向量能够经由相应的红、绿以及蓝信号的指示性的频率峰值的考虑而被得到。为此目的，例如，傅里叶变换能够被应用于信号以便获得相应量级的光谱。至少大体上存在于在相同频率下的红、绿以及蓝信号中的每一个中的相当大的峰值能够指示心跳向量。因此，相应的红、绿以及蓝峰值量级能够被利用于“构建”向量。从而，心跳向量的定向能够被确定。不必说，心跳向量能够被进一步变换成单位向量或类似的东西，因为向量仅仅指示心跳相关的信号部分的(假定的)定向。
在这点上，图4a和4b被参考。图4a描绘了示范性信号空间88，例如RGB色彩空间。信号空间88包括指示光谱信息的互补通道90a、90b、90c，例如，红、绿以及蓝色彩通道。通过例子，信号空间88能够被认为是“统一的”信号空间，其中沿着互补通道90a、90b、90c的分量能够在零与一之间取值。偏离零和一范围的另外的值范围能够相应地被设想并且处理。图4b出于说明性目的示出了仅仅包括两个互补通道90a、90b的简化信号空间88'。换句话说，信号空间88'能够被认为是信号空间88 的“切片”。例如，特征信号98,能够由指示组成特征信号98 (或)的强度值(例如，、以及)的主要分量92a、92b、92c来表达，所述强度值与相应的互补通道90a、90b、90c相关。附图标记94指示光照指数元素。光照指数元素94指示入射辐射的源，例如光源。光照指数元素94能够被认为是穿越信号空间88的对角向量。这特别在辐射源16基本上发射纯白光时适用。优选地，辐射源16的“色彩”等于信号空间88的白色点(例如1,1,1)。
根据上面所概述的反射模型，所检测到的特征信号98 (或)能够被认为是生理反射分量100和干扰反射部分102 (或)的加性组合。生理反射分量100能够被进一步认为由基本反射部分104 (或，分别和)和指示性的反射部分106 (或)组成。换句话说，生理反射分量100能够被认为是基本反射部分104和指示性的反射部分106的线性组合。基本反射部分104表示平均体反射向量(或)和相应系数。如上面所概述的那样，(实际的)体反射向量在平均体反射向量(或)附近在时间上振荡。因此，为了完整性起见，图4a和图4b同样示出了相应的实际的体反射项()，其还被称为生理反射分量100。项或干扰反射部分102被认为与光照指数元素94平行，因为镜面反射基本上映出入射光。因此，相应的信号分量102至少部分地指示例如由光照指数元素94指示的光源特征。
信号空间88进一步包括基本上由干扰反射分量102和基本反射部分104所形成的二色平面96，或者，换句话说，二色平面96被向量和跨越。在下文中，、以及能够被认为是指示定向和方向的单位向量，而、以及能够被认为是指示长度的相应系数。当忽略指示性的反射部分106 (或)时，剩余的信号分量102、104能够被认为位于二色平面96中。
进一步地，当同样参考图2时，生理反射分量100能够追溯到体反射80 (合并了所期望的信号)，而干扰反射分量102能够追溯到界面反射76。
在以下部分中，在考虑上面所概述的已扩展二色反射模型的情况下的标准(突兀的)光电容积脉搏波描记法的方法被提供。对于标准PPG，心跳信号通常在附件(例如，脉冲-血氧定量计)中被测量，其中由于镜面反射比而导致的失真不起作用。因此，(扩展的)二色反射模型中的镜面反射比分量能够被估计为基本上等于零。因此，通过传感器装置所获得的特征信号能够由体反射向量和心跳向量(参考的方程(7))的线性组合来描述：
，
其中向量能够包含相应的红信号和红外线信号(在下文中还被变成主要分量)，并且其中对应于时间。或者更明确地，
。
在这个上下文中，应理解， RGB信号同样能够被利用作为向量的主要分量。例如，红和绿信号能够被分析以便检测所期望的感兴趣的生命信号。当在考虑(基本上，心跳信号展示零平均值)的情况下进一步归一化所述项时，平均向量等于
。
此外，红和红外线信号能够针对变化的光照强度并且针对皮肤色彩差异通过将相应的信号除以它们的平均值以便将这个表达与方程(2)和(3)链接而被归一化。归一化基本上包括通过光照的平均强度和体反射向量的除法。体反射向量能够被认为是红光和红外线光通过对象的皮肤的(平均)反射比的结果。这个除法导致归一化的向量：
， (8)
其中表示普通-范数，其中对角矩阵在对角上具有体反射向量，其中向量是包含值一的向量并且向量对应于与皮肤类型无关的归一化的心跳向量：
(9)。
应理解，基本上皮肤色彩由于这个归一化而变成灰色。换句话说，体反射向量等于向量，参考方程(8)。在替代方案中，一个人能够从体反射向量和归一化的心跳向量的估计开始，根据其，心跳向量能够被得到如下，例如在RGB信号空间中：
(10)。
这个表达是基于与到单位长度的归一化结合的方程(9)的。
在以下部分中，所呈现的方法被扩展以便进一步覆盖远程(非突兀的)光电容积脉搏波描记法。对于远程PPG，必须考虑镜面反射比。根据上面概述的已扩展二色反射模型，从远程传感器装置获得的特征信号能够被描述为体反射向量、心跳向量以及界面反射向量的线性组合(还见方程(7))：
(11)。
为了估计感兴趣对象的心率，必须分析时间相关信号，其与标准PPG的情况类似。为了分析这个信号，它必须与两个其它信号和分离。而且，为了降低光照的(改变的)强度的影响，能够将信号除以强度或平均强度(或者，针对其被归一化)。然而，这能够被认为是可选步骤。特别当仅小的强度改变被预期到时，强度归一化能够被省略。另一示范性的归一化步骤能够包括结果得到的信号除以体反射向量。
在以下部分中，信号、以及的代数分离的方法被呈现。方程(11)能够用矩阵-向量乘积的方式来重写：
，其中并且，
其中能够被同样称为基本反射系数，能够被同样称为指示性的反射系数，并且能够被同样称为干扰反射系数。
考虑这个表达，可以推断信号、以及至少原则上能够通过在两侧将这个表达与逆矩阵相乘而被获得：
(12)。
方程(12)能够被认为是在考虑定义的分量表示的情况下建立的线性代数方程。因此，感兴趣的生命信号（例如心跳信号）变成
、或者简单地 (13)。
此外，信号能够被带通滤波器滤波以便滤出在感兴趣的频率范围外的频率内容。
为了计算逆矩阵，必须估计体反射向量和镜面反射向量。此外，如上面所示出的那样，心跳向量可以从体反射向量得到，参考方程(10)。对于镜面反射项，能够认为对于具有高的油或水含量的材料（例如皮肤），从该材料的表面反射的光基本上似乎展示与施照体相同的色彩。作为第一近似，能够公平地假定光照是白色(例如，RGB=1,1,1)。也就是说，镜面反射向量能够被认为等于一向量。此外，体反射向量能够被认为等同于帧的捕获序列的初始帧中的感兴趣对象的皮肤像素的平均红、平均绿以及平均蓝。因此，到单位长度的归一化能够被应用：
。
从而，感兴趣信号能够通过应用方程(12)和(13)而被获得。
代替使用方程(10)，能够设想将与体反射向量和界面向量正交的向量用作为指示性的(心跳)向量。这个方法是基于这样的洞察力的，即：根据有利的假设，指示性的(心跳)向量独立于和并且因此基本上是出自二色平面的点，见图4a中的附图标记96。因此，变化的光照条件不显著地影响指示性的(心跳)向量。
在以下部分中，上面所概述的模型和方法被展开到对数信号空间。例如，log RGB色彩空间能够被利用。当得到方程(3)时，对数运算符同样被利用。当取对数时，现有信号滤波（例如带通滤波）必须被避免以便防止对小于或等于零的信号样本应用对数运算符。因此，滤波器步骤能够优选地在应用对数运算符之后被执行。因此，对于远程PPG监测，特征信号的平均红、绿以及蓝值(还被称为主要分量)仍然受镜面反射影响。从而，平均镜面反射值仍然存在于平均红、绿以及蓝值中。
当假定预期的镜面反射与体反射之间的比率(例如，系数与之间的比率)时，这种情况能够被处理，其将在下文中被呈现。
对数运算符能够被应用(逐元素（element wise）)于在方程(11)中呈现的表达：
。
第一假设能够认为镜面反射的量等于零，即对于所有，。以下诸项相应地出现
，
其中对角矩阵的元素被认为等于体反射向量的元素。根据这个表达能够推断，对于没有镜面反射的理想情况，由体反射向量和心跳向量所跨越的RGB空间能够被变换成由强度向量和归一化的心跳向量所跨越的log RGB空间。
对于其中镜面反射的量偏离零的情形，另外的情况能够被标绘。在第一情况下，镜面反射的量当与体反射相比时被认为是相对小的，即。然后以下诸项能够被得到：
。
根据这个表达能够推断，由体反射向量、心跳向量以及界面反射向量所跨越的RGB空间能够被变换成由归一化的体反射向量、归一化的心跳向量以及修改的界面反射向量所跨越的log RGB空间。也就是说，心跳信号能够被以如上面所描述的类似方式提取。
在另一情况下，能够假定镜面反射的量与体反射的量相比是相对大的，即。因此，以下诸项能够被得到：
，
其中对角矩阵的元素等于界面反射向量的元素。这个表达提供了结论，根据所述结论，被体反射向量、心跳向量以及界面反射向量跨越的RGB空间能够被变换成由界面反射向量、修改的心跳向量以及修改的体反射向量所跨越的log RGB空间。结果，代替具有已知的心跳向量，取决于施照体的色彩的心跳向量能够被获得。而且，心跳信号的幅度取决于镜面反射的量而不是体反射的量。因此，在这种情况下，log RGB空间能够被认为不太适合于提取心跳信号，因为镜面反射的量是相对大的。
在更进一步的情况下，能够假定基本上镜面反射的量与体反射的量类似，即。结果，以下项能够被得到：
，
其中，并且其中对角矩阵的元素等于向量的元素。基于这个表达，能够推断，被体反射向量、心跳向量以及界面反射向量跨越的RGB空间能够被变换成由向量和修改的心跳向量所跨越的log RGB空间。
为了概括上述情况，可以断定的是，对于镜面反射的渐增量来说，归一化的心跳向量经由所谓的中间心跳向量而被变换成经修改的心跳向量。
然而，在许多情况下，镜面反射的量能够被预期为相对小的，并且因此，心跳向量仅仅轻微改变。然而，在所预期的镜面反射的量是大的情况下，能够考虑在应用对数运算符之前通过首先将RGB空间投影到与界面反射向量正交的平面中来降低镜面反射。在这种情况下，为了适当地降低镜面反射，确定施照体色彩将是有利的。然而，如果施照体色彩是已知的，例如对于牵涉基本上白的施照体的最常见情况，这个方法是可适用的。
在以下部分中，利用上面所概述的方法的若干例子的一般性框架被描述。在这点上，图5被参考。图5示出了用于提取信息的系统或方法的简化框图。基本上，该系统被布置用于处理特征信号，包括上面已被介绍并且能够被在下文中呈现的例子利用的若干步骤。不必说，步骤中的一些能够被认为是可选的，其由虚线指示。在第一步骤110中，特征输入信号被滤波。滤波能够包括带通滤波、低通滤波以及高通滤波。另外的滤波器特征也能够被应用。(输入)滤波能够针对衰减特征信号的非指示性的频率部分以及针对增强特征信号的潜在地指示性的频率部分。
进一步的步骤112可以接着包括在考虑大体上线性的代数信号构成模型的情况下来建立和/或确立线性代数方程。基本上，步骤112能够利用方程(11)中所示出的信号表示模型：。在向量-矩阵表示中，这个方程能够由项来表示。
在后续步骤114中，在步骤112中建立的方程能够被重新布置以便得出与方程(12)类似的项。此外，方程(12)能够在步骤114中被至少部分地求解以便获得指示性的信号表示，例如，或者，至少。
在进一步可选的步骤116中，通过步骤114得到的信号能够针对强度通过将它例如除以系数或平均系数而被归一化。因此，被认为是高度地指示所期望的感兴趣信号的信号能够被获得。应指出，对于一些应用，系数(或)不应该在可选步骤116之前经历滤波步骤以便避免其不期望的转换。很可能，这些转换能够进一步不利地影响要被在步骤116中计算的比率。
在另一可选的步骤118中，信号（例如或）能够被滤波以便进一步增强信号质量。后滤波以及前滤波能够针对若干操作问题和约束。因此，在步骤118中，滤波的指示性的信号能够被得到。
此外，后续步骤120可以接着以用于从经滤波的指示性的信号中提取感兴趣的生命信号，例如心率。例如，提取能够针对检测基于时间的信号的频率峰值。在这点上，附图标记122指示具有抑制(滤出)带和通带的相应的频率响应图，其中清楚的频率峰值被检测到。例如，频率峰值能够展示被观察的感兴趣对象的心跳。
和前述描述一致，一般性框架依赖矩阵，例如，固定矩阵。这个方法能够追溯到方程(12)和(13)。因此，向量中的平均红、平均绿以及平均蓝值借助于矩阵乘法而被变换为向量。然后，作为可选措施，心跳信号能够针对强度而被补偿，从而导致心跳信号。为了进一步增强这个心跳信号，心跳信号能够被带通滤波器滤波。典型地，指示感兴趣的频率范围(例如，包括约35次每分钟心跳(BPM)至约210 BPM范围的通带)能够被利用。基本上，以下例子依赖基于向量空间的视点。
然而，特别地，对于一些应用来说，特别是当仅仅心跳是感兴趣信号时，没有必要计算矩阵的整个逆矩阵。例如，内积(其中被认为与二色平面正交)能够被认为高度地指示所期望的(心跳)信号。
在第一例子中，体反射向量能够例如通过计算帧的序列中的第一帧中的皮肤像素的平均红、平均绿以及平均蓝值而被估计一次。此外，能够公平地假定施照体的色彩是白的，即界面反射向量。因此，心跳向量能够直接地从体反射向量产生，参考方程(10)。变换矩阵现在等于
，
并且，因此，方程(12)和(13)能够被用来计算心跳信号。附加地，这个心跳信号能够被带通滤波器滤波以便滤出在感兴趣的频率范围外的频率内容。
替换地，心跳向量能够被认为等于与二色平面正交的向量，即。这个方法在施照体光谱是未知的并且因此经归一化的心跳向量不能够被确定的情况下可能是优选的。从而，给定三个向量，变换矩阵能够被构建：
，
并且，再次，方程(12)和(13)能够被利用来计算心跳信号。
在修改了第一例子的第二例子中，特征信号能够通过将它除以体反射向量(由对角矩阵来表示)而被归一化
，
其中优选地归一化被即时地执行。归一化依赖体反射向量，所述体反射向量与心跳向量无关并且基本上是恒定的以及因此不包含心跳信号。
由于归一化，矩阵被轻微修改：经归一化的体反射向量现在由向量来表示，心跳向量变成经归一化的心跳向量，并且界面(镜面)反射向量变成经归一化的界面反射向量。因此，这些归一化的向量能够被用来构建矩阵：
，
并且，再次，方程(12)和(13)能够被考虑来计算心跳信号。应该指出，这个例子能够被认为基本上等同于前一个例子，因为主要牵涉到体反射指示性的矩阵。
第三例子是基于这样的洞察力的，即：由于镜面反射，体反射向量在基本上白光下对于各种皮肤类型能够被认为近似相同的。一般而言，这个假设容纳高达约2.5度的最大偏离。此外，能够被认为是在白光下对于所有皮肤类型的平均体反射向量的向量能够被定义。因此，以作为对角的对应对角矩阵能够被确立。从而，界面反射的近似能够被得到：
，
其中能够被认为是近似的体反射向量。因此，心跳向量现在等于并且矩阵能够被构建如下：
，
并且，再次，方程(12)和(13)能够被用来计算心跳信号。
替换地，能够等于与体反射向量和界面反射向量正交的向量：
。
在光照的色彩被预期在时间上(慢慢地)改变的情况下，能够考虑同样连续地估计体反射向量并且对体反射向量进行滤波。滤波能够利用低通滤波器而被执行，参考图5中的滤波步骤110，以便增强心跳信号。因此，矩阵和能够被连续地修改和适配。
在第四例子中，对数运算符被应用于特征信号。如上面所指示的那样，取零值或甚至小的数的对数应该被避免。基本上，矩阵能够例如根据先前的例子中的一个而被构建。因此，逆矩阵能够被应用于信号，目的在于向量：
。
根据这个例子，这个获得的向量的第三行能够被丢弃，因为它基本上对应于镜面反射。换句话说，包括与的前两行对应的行的2 × 3矩阵能够被定义，并且这个矩阵能够被应用于信号：
。
信号表示具有平均值的强度信号，然而信号表示具有接近于零的平均值的心跳信号。因此，为了能够对这个信号应用对数运算符，基本改变能够通过对该项应用矩阵来执行：
，
其中
。
这个变换的目的是确保心跳信号具有显著地大于零的平均值。这个矩阵能够以基本上两个信号都具有近似的平均值的这样一种方式被选取。当然，除示范性矩阵以外的其它矩阵能够被设想到。
随后，对数运算符能够在每元素（element-per-element）基础上被应用于向量。此外，逆矩阵能够被利用以便获得向量：
。
因此，信号能够对应于心跳信号。
在第五例子中，关注针对所谓的动态心跳轴线的检测。动态心跳轴线在特征信号大大受不期望的对象运动影响的情况下能够被应用。在这个上下文中，利用相当好地近似的心跳轴线将是有利的。
最初，矩阵能够依照第三例子被构建，其中与二色平面正交的心跳向量被考虑。随后，平均红、平均绿以及平均蓝值能够被缓冲达短时间量，例如约10至15秒钟。进一步地，向量能够被引入以用于包含这些平均值，其中同样对应于10至15秒钟。随后，逆矩阵能够被应用于这个向量以便获得向量：
，其中。
此外，中信号的每行都能够被带通滤波以便衰减在感兴趣的频率范围外的内容。假定个体的运动不是太剧烈的，则带通滤波的信号现在已经能够包含潜在地指示性的心跳信号。例如，这能够通过将信号变换到傅里叶域并且通过计算最大峰值对次最大峰值的比率来检测信噪比而被验证。如果这个比率高于特定门限，则带通滤波的信号能够被认为足够干净以被用作为模板。经带通滤波的信号和中的心跳幅度和现在能够由
和来计算，
其中对应于内积。基本上，以下诸项被计算了
和。
此外，应指出，因为
。
因此，这个例子导致心跳向量
，
并且，当同样参考RGB信号空间时，心跳向量变成
。
然而，替换地，能够进一步设想在对(带通滤波的)红、绿以及蓝信号(在上文还被称为主要分量)应用傅里叶变换时检测相关信号频率峰值。
基本上，参考在上述部分中提供的所有例子和实施例，应理解，矩阵的构建和逆矩阵的至少部分计算以便获得系数、以及在替代方案中能够被利用信号空间的特征信号和另外的分量的几何关联的逐步变换补充或者代替。换句话说，矩阵运算能够容易地被逐步向量运算代替。
通过例子，本发明能够被应用在保健领域中，例如非突兀的远程患者监测、一般性监督、安全监测以及所谓的生活方式应用(诸如健身器械)等等。应用可以包括氧饱和度(脉冲血氧定量法)、心率、呼吸率、血压、心搏出量、血液灌流的改变的监测、自主神经功能的评估以及外周血管疾病的检测。
不必说，在依照本发明的方法的实施例中，所提供的步骤中的若干能够被以改变的顺序或者甚至同时执行。进一步地，步骤中的一些也能够被跳过而不偏离本发明的范围。这特别地适用于若干替代信号处理步骤。
虽然已经在附图和前面的描述中详细地说明并且描述了本发明，但是这样的说明和描述将被理解为说明性的或示范性的，而不是限制性的；本发明不限于所公开的实施例。从对附图、公开内容、以及所附权利要求的研究中，对于所公开的实施例的其它变例可以被本领域的技术人员在实践所要求保护的发明时理解和实现。
在权利要求中，单词“包括”和“包含”不排除其它元素或步骤，并且不定冠词“一”或“一个”不排除多个。单个元素或其它单元可以完成在权利要求中记载的若干项的功能。某些措施被记载在相互不同的从属权利要求中的仅有事实不指示这些措施的组合不可以被用来获利。
计算机程序可以被存储/分布在适合的非暂时性介质上，诸如连同其它硬件一起或作为其它硬件的一部分供应的光学存储介质或固态介质，但还可以被以其它形式分布，诸如经由因特网或其它有线或无线电信系统。
权利要求中的任何附图标记不应该被解释为限制范围。
Claims (15)
1.用于从检测到的特征信号中提取信息的设备，包括：
- 接口(28)，其用于接收可从被对象(12)反射的电磁辐射(14)得到的数据流(26)，数据流(14)包括基于连续或离散时间的特征信号(; 98)，特征信号(; 98)包括与信号空间(88)相关联的至少两个主要分量(92a, 92b, 92c)，信号空间(88)包括用于表示特征信号(; 98)的互补通道(90a, 90b, 90c)，特征信号(; 98)的主要分量(92a, 92b, 92c)与信号空间(88)的相应互补通道(90a, 90b, 90c)相关，
- 转换器装置(36)，其用于在考虑大体上线性的代数信号构成模型的情况下将特征信号(; 98)映射到定义的分量表示(;)以便规定线性代数方程，特征信号(;98)至少大体上由生理反射分量(100)和干扰反射分量(102)组成，其中生理反射分量(100)包括可归因于要被观察的对象(12)的基本生理属性的基本反射部分(104)和可归因于至少一个至少部分周期性的生命信号(20)的指示性的反射部分(106)，
-其中基本反射部分(104)包括基本反射指数元素()和基本反射系数(c0)，
-其中指示性的反射部分(106)包括指示性的反射指数元素()和时间相关的指示性的反射系数(c1)，所述指示性的反射系数(c1)高度地指示感兴趣的至少一个至少部分周期性的生命信号(20)，
-其中干扰反射分量(102)包括干扰反射指数元素()和干扰反射系数(c2)，
- 处理装置(40)，其用于在考虑基本反射指数元素()、指示性的反射指数元素()以及干扰反射指数元素()的定向的至少近似估计的情况下来至少部分地求解线性代数方程以便得到高度地指示至少一个至少部分周期性的生命信号(20)的表达，所述高度地指示性的表达至少包括指示性的反射系数(c1)。
2.如权利要求1中所要求保护的设备，其中至少一个至少部分周期性的生命信号(20)选自由心率、心跳、呼吸率、心率变异性、Traube–Hering–Mayer波以及氧饱和度构成的组，并且其中信号空间(88)是加性或减性色彩信号空间，其中至少两个主要分量(92a, 92b,92c)表示由互补通道(90a, 90b, 90c)所指示的相应的不同的色彩分量，其中互补通道(90a, 90b, 90c)与定义的光谱部分相关。
3.如权利要求1中所要求保护的设备，进一步包括用于从经计算的高度地指示性的表达中提取生命信号(20)的提取器装置(52)，优选地所述生命信号在考虑指示性的反射系数(c1)或者在考虑指示性的反射系数(c1)和基本反射系数(c0)的比率的情况下而被提取。
4.如权利要求1中所要求保护的设备，其中基本反射部分(104)至少大体上指示感兴趣对象(12)展示的平均组织色彩，其中指示性的反射部分(106)至少大体上指示感兴趣对象(12)的组织色彩的至少部分周期性的脉动，并且其中干扰反射分量(102)至少大体上指示干扰镜面反射。
5.如权利要求1中所要求保护的设备，其中估计的指示性的反射指数元素()在考虑包括基本反射指数元素()的估计的表达和预定的示范性的指示性的反射指数元素()的归一化表达的情况下被获得。
6.如权利要求1中所要求保护的设备，其中估计的指示性的反射指数元素()被认为与由基本反射指数元素()和干扰反射指数元素()所跨越的信号平面正交，并且其中估计的干扰反射指数元素()至少大体上与指示影响感兴趣对象(12)的电磁辐射源(16)的特征的光照指数元素(94)一致。
7.如权利要求1中所要求保护的设备，其中估计的基本反射指数元素()是从感兴趣对象(12)的指示性的区域(22)的特征信号(; 98)的聚结的主要分量(92a, 92b, 92c)得到的，并且其中估计的干扰反射指数元素()至少大体上与指示影响感兴趣对象(12)的电磁辐射源(16)的特征的光照指数元素(94)一致，优选地所述设备被进一步适配成在观察感兴趣对象(12)时应用基本反射指数元素()的初始确定。
8.如权利要求7中所要求保护的设备，其中估计的指示性的反射指数元素()被认为至少大体上与基本反射指数元素()正交并且至少大体上与干扰反射指数元素()正交。
9.如权利要求1中所要求保护的设备，其中对数信号表示被应用于所定义的分量表示(;)，优选地基本反射系数(c0)与干扰反射系数(c2)之间的假定比率被考虑以用于指示性的反射系数(c1)的确定。
10.如权利要求9中所要求保护的设备，其中基本改变被应用于所定义的分量表示(;)以便确保指示性的反射系数(c1)的平均值大于零，并且其中生命信号(20)能够从指示性的反射系数(c1)的变换的表示(z1)得到。
11.如权利要求1中所要求保护的设备，进一步包括特征信号(; 98)在考虑基本反射指数元素()的情况下的归一化。
12.如权利要求1中所要求保护的设备，其中干扰反射指数元素()在考虑包括基本反射指数元素()的预定的归一化值的表达的情况下被获得，所述基本反射指数元素()在考虑光照指数元素(94)的假定的标准定向的情况下被获得，所述光照指数元素(94)指示影响感兴趣对象(12)的电磁辐射源(16)的特征。
13.如权利要求1中所要求保护的设备，进一步包括缓冲装置，其用于缓冲特征信号(;98)以及基本反射系数(c0)、指示性的反射系数(c1)和干扰反射系数(c2)的结果得到的表示()达定义周期，其中处理装置(40)被进一步适配成对缓冲的指示性的反射系数(c1)应用傅里叶变换以便确定其优势频率分量，其中基本反射系数(c0)、指示性的反射系数(c1)以及干扰反射系数(c2)被转换为包括相应系数(c0, c1, c2)的内积的变换的信号表示(a0, a1,a2)，其中指示性的反射指数元素()在考虑经变换的信号表示(a0, a1, a2)的情况下被确定。
14.用于从检测到的特征信号中提取信息的方法，包括步骤：
- 接收可从被对象(12)反射的电磁辐射(14)得到的数据流(26)，数据流(14)包括基于连续或离散时间的特征信号(; 98)，特征信号(; 98)包括与信号空间(88)相关联的至少两个主要分量(92a, 92b, 92c)，信号空间(88)包括用于表示特征信号(; 98)的互补通道(90a, 90b, 90c)，特征信号(; 98)的主要分量(92a, 92b, 92c)与信号空间(88)的相应互补通道(90a, 90b, 90c)相关，
- 在考虑大体上线性的代数信号构成模型的情况下将特征信号(; 98)映射到定义的分量表示(;)以便规定线性代数方程，特征信号(; 98)至少大体上由生理反射分量(100)和干扰反射分量(102)组成，其中生理反射分量(100)包括可归因于要被观察的对象(12)的基本生理属性的基本反射部分(104)和可归因于至少一个至少部分周期性的生命信号(20)的指示性的反射部分(106)，
-其中基本反射部分(104)包括基本反射指数元素()和基本反射系数(c0)，
-其中指示性的反射部分(106)包括指示性的反射指数元素()和时间相关的指示性的反射系数(c1)，所述指示性的反射系数(c1)高度地指示感兴趣的至少一个至少部分周期性的生命信号(20)，
-其中干扰反射分量(102)包括干扰反射指数元素()和干扰反射系数(c2)，
- 在考虑基本反射指数元素()、指示性的反射指数元素()以及干扰反射指数元素()的定向的至少近似估计的情况下来至少部分地求解线性代数方程以便得到高度地指示至少一个至少部分周期性的生命信号(20)的表达，所述高度地指示性的表达至少包括指示性的反射系数(c1)。
15.一种计算机可读存储介质，其存储计算机程序，当所述计算机程序被一个或多个计算设备执行时使所述一个或多个计算设备执行权利要求14的方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161540596P | 2011-09-29 | 2011-09-29 | |
| US61/540596 | 2011-09-29 | ||
| PCT/IB2012/054734 WO2013046082A2 (en) | 2011-09-29 | 2012-09-12 | Distortion reduced signal detection |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103890780A CN103890780A (zh) | 2014-06-25 |
| CN103890780B true CN103890780B (zh) | 2018-01-02 |
Family
ID=47046662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201280048064.8A Active CN103890780B (zh) | 2011-09-29 | 2012-09-12 | 失真降低的信号检测 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9241674B2 (zh) |
| EP (1) | EP2745240A2 (zh) |
| JP (1) | JP6059726B2 (zh) |
| CN (1) | CN103890780B (zh) |
| IN (1) | IN2014CN02002A (zh) |
| RU (1) | RU2602975C2 (zh) |
| WO (1) | WO2013046082A2 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2649529C2 (ru) * | 2012-10-23 | 2018-04-03 | Конинклейке Филипс Н.В. | Устройство и способ для получения информации о жизненно важных показателях живого существа |
| ES2604812T3 (es) * | 2014-05-07 | 2017-03-09 | Koninklijke Philips N.V. | Sistema y procedimiento para la extracción de información fisiológica |
| WO2016061041A1 (en) * | 2014-10-14 | 2016-04-21 | East Carolina University | Methods, systems and computer program products for determining hemodynamic status parameters using signals derived from multispectral blood flow and perfusion imaging |
| US11553844B2 (en) | 2014-10-14 | 2023-01-17 | East Carolina University | Methods, systems and computer program products for calculating MetaKG signals for regions having multiple sets of optical characteristics |
| WO2016061052A1 (en) | 2014-10-14 | 2016-04-21 | East Carolina University | Methods, systems and computer program products for visualizing anatomical structures and blood flow and perfusion physiology using imaging techniques |
| US10531820B2 (en) | 2014-11-24 | 2020-01-14 | Koninklijke Philips N.V. | Device, system and method for determining the concentration of a substance in the blood of a subject |
| US20170035333A1 (en) * | 2015-08-04 | 2017-02-09 | Osram Opto Semiconductors Gmbh | Apparatus for Measuring a Vital Function of a Living Creature |
| US10595785B2 (en) * | 2015-10-01 | 2020-03-24 | Silicon Laboratories Inc. | Plethysmography heart rate monitor noise reduction using differential sensors |
| WO2017060342A1 (en) * | 2015-10-06 | 2017-04-13 | Koninklijke Philips N.V. | Device, system and method for obtaining vital sign related information of a living being |
| GB201608170D0 (en) * | 2016-05-10 | 2016-06-22 | Isis Innovation | A method of determining the frequency of a periodic physiological process of a subject, and a device and system for determining the frequency |
| US10335045B2 (en) | 2016-06-24 | 2019-07-02 | Universita Degli Studi Di Trento | Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1682654A (zh) * | 2004-04-15 | 2005-10-19 | Ge医药系统信息科技公司 | 用于确定心电图信号的交替数据的方法和装置 |
| CN101288103A (zh) * | 2005-08-18 | 2008-10-15 | 高通股份有限公司 | 用于图像处理、用于色彩分类及用于皮肤色彩检测的系统、方法及设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6701170B2 (en) | 2001-11-02 | 2004-03-02 | Nellcor Puritan Bennett Incorporated | Blind source separation of pulse oximetry signals |
| WO2003094695A2 (en) * | 2002-05-08 | 2003-11-20 | Yeda Research And Development Co. Ltd | Sensitized online bold-mri imaging method |
| JP4196209B2 (ja) * | 2003-06-30 | 2008-12-17 | 日本光電工業株式会社 | 信号処理方法及びそれを適用したパルスフォトメータ |
| US8139850B2 (en) | 2008-12-05 | 2012-03-20 | Tandent Vision Science, Inc. | Constraint generation for use in image segregation |
| DE202010017895U1 (de) | 2009-03-06 | 2013-01-08 | Koninklijke Philips Electronics N.V. | System zur Verarbeitung von Bildern von mindestens einem Lebewesen |
| CN104123536B (zh) | 2009-08-20 | 2018-09-21 | 皇家飞利浦电子股份有限公司 | 用于图像分析的系统和方法 |
| CN102549621B (zh) | 2009-10-06 | 2016-08-31 | 皇家飞利浦电子股份有限公司 | 用于处理至少包含代表生物中的周期现象的分量的信号的方法和系统 |
| EP2486539B1 (en) | 2009-10-06 | 2016-09-07 | Koninklijke Philips N.V. | Method and system for obtaining a first signal for analysis to characterize at least one periodic component thereof |
| EP2661219B1 (en) | 2011-01-05 | 2019-05-15 | Koninklijke Philips N.V. | Device and method for extracting information from characteristic signals |
-
2012
- 2012-09-12 EP EP12775311.9A patent/EP2745240A2/en not_active Withdrawn
- 2012-09-12 WO PCT/IB2012/054734 patent/WO2013046082A2/en active Application Filing
- 2012-09-12 RU RU2014117212/08A patent/RU2602975C2/ru not_active IP Right Cessation
- 2012-09-12 CN CN201280048064.8A patent/CN103890780B/zh active Active
- 2012-09-12 US US14/239,798 patent/US9241674B2/en active Active
- 2012-09-12 JP JP2014532513A patent/JP6059726B2/ja active Active
-
2014
- 2014-03-14 IN IN2002CHN2014 patent/IN2014CN02002A/en unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1682654A (zh) * | 2004-04-15 | 2005-10-19 | Ge医药系统信息科技公司 | 用于确定心电图信号的交替数据的方法和装置 |
| CN101288103A (zh) * | 2005-08-18 | 2008-10-15 | 高通股份有限公司 | 用于图像处理、用于色彩分类及用于皮肤色彩检测的系统、方法及设备 |
Non-Patent Citations (1)
| Title |
|---|
| Improving Motion Robustness of Contact-less Monitoring or Heart Rate Using Video Analysis;Pratik Sahindrakar;《埃因霍分理工大学数学与计算机科学系论文》;20110824;第1-58页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103890780A (zh) | 2014-06-25 |
| US9241674B2 (en) | 2016-01-26 |
| RU2602975C2 (ru) | 2016-11-20 |
| WO2013046082A3 (en) | 2013-06-13 |
| JP2014531934A (ja) | 2014-12-04 |
| WO2013046082A2 (en) | 2013-04-04 |
| US20140213861A1 (en) | 2014-07-31 |
| RU2014117212A (ru) | 2015-11-10 |
| IN2014CN02002A (zh) | 2015-05-29 |
| JP6059726B2 (ja) | 2017-01-11 |
| EP2745240A2 (en) | 2014-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103890780B (zh) | 失真降低的信号检测 | |
| EP2748762B1 (en) | Distortion reduced signal detection | |
| Bal | Non-contact estimation of heart rate and oxygen saturation using ambient light | |
| US9385768B2 (en) | Device and method for extracting physiological information | |
| RU2589389C2 (ru) | Устройство и способ извлечения информации из характеристических сигналов | |
| EP2967378B1 (en) | Device and method for determining vital signs of a subject | |
| US9265456B2 (en) | Device and method for determining vital signs of a subject | |
| Blackford et al. | Effects of frame rate and image resolution on pulse rate measured using multiple camera imaging photoplethysmography | |
| US20170202505A1 (en) | Unobtrusive skin tissue hydration determining device and related method | |
| CN105813564A (zh) | 用于确定对象的生命体征的设备和方法 | |
| WO2013038326A1 (en) | Distortion reduced signal detection | |
| EP3531908B1 (en) | Device, method and computer program for obtaining a vital signal of a subject | |
| den Brinker et al. | Model-based camera-PPG: Pulse-rate monitoring in fitness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |