CN103932693A - 一种基于手机图像的人体心率的测量方法 - Google Patents

Abstract

本发明公开了一种基于手机图像的人体心率的测量方法，其特征在于，包括以下步骤：获取PPG信号，通过手机获取手指图像，用FFT算法对其处理后，进行滤波，而利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；测量人体心率，通过分析PPG信号，检测峰波，减少PPG信号中的噪声信号，从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。这种方法主要改善测量的效果，已提高现有手机心率测量技术的精确度以及测量的稳定性，让人们能及时、有效而低成本地监测表征慢性病病情的关键身体指标、了解自身的健康状况。

Description

一种基于手机图像的人体心率的测量方法

1、技术领域

本发明涉及人体心率的测量领域，尤其涉及一种基于手机图像的人体心率的测量方法。 

背景技术

由于动脉活动可以引起人体特定部位的皮肤颜色产生微弱的变化，因而可以利用光学设备采集由动脉活动引起的皮肤颜色变化信息，并根据采集的图像测量人体参数。近两年来，在利用生物光学信息进行人体生理特征测量方面已存在一些研究成果，其中大多数基于专业的测量设备，此类方法虽然可以获得较好的精确性，但缺点在于设备费用较昂贵且便携性较差，不利于监测的普及和推广。利用移动终端摄像头实现人体生理参数的测量方面，国内外已经取得一定成果。 

在不介入任何外来设备情况下，仅通过智能手机摄像头采集的手指颜色变化图像，实现对心率等人体生理参数的测量。Pelegris P.，Banitsas K.，Orbach T.，Marias K.等人在2012年发表在IEEE Trans.Biomed.Eng的论文：“A Novel Method to Detect Heart Beat Rate Using a Mobile Phone”Pelegris P.等通过手机摄像头采集人体手指图像，并LED灯补光，对采集每张图像转换为灰度图，求每张图像平均灰度值，根据f(n-k)+β<f(n)<f(n+k)+β来确定点n处于一个波峰位置，其中f(n)为第n张图像信号的幅度，β为根据实际误差选定的参数，统计一分钟内波峰的个数即心率数，其平均误差为4.13％。 

上述方法，直接利用整张手指图像进行分析，未考虑手指图像边缘以及图 像上噪声误差的影响，计算得到灰度值包含误差信息，造成实验误差较大； 

而且利用相邻两点确定波峰，由于波峰与相邻两点之间灰度值差值较小，导致β值较小，并且计算得到的灰度值包含大量噪声信息，导致波峰无法检测出，或者中间某些点满足条件被误检测了，导致波峰统计不准确。 

Christopher G.Scully，等人在2012年发表在IEEE Trans Biomed Eng.的论文：“Physiological Parameter Monitoring from Optical Recordings with a Mobile Phone”Christopher G.Scully等截取手指图像边缘，去除图像边缘处误差，利用截取边缘后的手指图像的绿像素，用绿像素的平均值计算出PPG信号，实现对人体心率，其心率测量误差为3.33％。 

但该技术仅利用手指图像的绿像素来计算PPG信号，未考虑红像素和蓝像素包含的信息；同时也存在相应波峰检测的问题，检测波峰时，容易受到次波(venous peak)的影响，导致多计数，由于PPG信号波峰容易受到信号干扰，导致波峰出变化比较平缓，若用相邻两点检测波峰，会漏掉波峰，导致少计数。 

F.Lamonaca等人在2012年发表在IEEE一个会议上的论文：“Reliable Pulse Rate Evaluation by Smartphone”F.Lamonaca等截取手指图像边缘，去除图像边缘处误差，利用每张手指图像的红像素大于某个阀值个数来计算PPG信号，利用PPG信号的标准差作为检测PPG信号波峰的阀值，进行心率的测量。 

上述技术，仅利用手指图像的红像素来计算PPG信号，未考虑绿像素和蓝像素包含的信息；确定采样频率时，同样没有考虑到硬件设备与采样频率的关系。 

虽然用PPG信号的标准差来确定阀值改进了峰值确定方法，但是用相邻两点差值确定峰值，导致计数不准确，以及测量结果不稳定。 

本发明主要改善测量的效果，已提高现有手机心率测量技术的精确度以及测量的稳定性，让人们能及时、有效而低成本地监测表征慢性病病情的关键身 体指标、了解自身的健康状况。 

运用该技术方案仅通过手机摄像头测量人体的心率参数，使得人们随时随地就可以测量自身的健康状态。现在，中老年人的健康已经成为社会关注的焦点，而困扰中老年人健康的众多疾病，比如：肺炎，哮喘都和人体心率有关，说明了该技术的巨大的发展潜力。该技术的运用可以极大的满足人们的对自身健康的关注需求，减少医疗检测的复杂性，方便人们的生活。 

发明内容

本发明的目的在于为了提高手机心率测量技术的精确度以及测量的稳定性，特提供一种基于手机图像的人体心率的测量方法。 

为达此目的，本发明采用以下技术方案： 

一种基于手机图像的人体心率的测量方法，包括以下步骤： 

A、获取PPG信号(本申请文件中指：光电容积脉搏波信号)，通过手机获取手指图像，用FFT(本申请文件中指：快速傅立叶变换)算法对其处理后，进行滤波，而利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号； 

B、测量人体心率，通过分析PPG信号，检测峰波，减少PPG信号中的噪声信号，从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。 

优选的、所述步骤A中是先截取手指图像边缘，得到小图，对小图利用基于FFT的分割法进行去噪，根据小图的功率密度计算PPG信号。 

优选的、所述步骤B中是通过f(n-k)+β<f(n)<f(n+k)+β的方法来检测峰波的。 

本发明的有益效果在于：主要提高了现有手机心率测量技术的精确度以及测量的稳定性，让人们能及时、有效而低成本地监测表征慢性病病情的关键身体指标、了解自身的健康状况。 

附图说明

图1是本发明实施例的一种基于手机图像的人体心率的测量方法流程图； 

图2是本发明实施例的设备以及实验结果对比表。 

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。 

该基于手机图像的人体心率的测量方法的流程请见图1，具体的实施例如下： 

A、获取PPG信号 

在手机上，先截取手指图像边缘，得到小图，对小图利用基于FFT的分割法进行去噪，根据小图的功率密度计算PPG信号，利用峰值计数法从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。 

对于采集到的每张图片，将图像中心50*50像素区域提取出来，构成每张图像的小图，对每张小图进行FFT处理。手指图像的频谱能量集中分布在低频部分，并随着频率的增高而逐渐降低，将[w₀，w₁]的正半轴频谱能量分为3段： 为高能量区，为中能量区，为低能量区。由于手指图像的频谱是集中分布的，而干扰噪声的频谱集中分布在图像的低能量部分，且其谱值高于原始图像的低能量谱值。实验中，删去噪声集中分布的子带9，实现图像噪声的滤除。根据滤波后的三种像素包含PPG信息的程度得到三种像素的功率密度包含PPG信息的权重，计算每张图像的功率密度，得到PPG信号，波峰对应血管的收缩，即心脏的收缩，同时每个波谷对应心脏的一次跳动。 

B、测量人体心率 

已知人体心率正常范围为60-100BPM，对考虑个体差异，人体心率范围为30-150BPM，实际中不可能出现超过此范围的心率。根据已知人体心率最大范 围以及手机采样频率，计算得到一个周期内采样图像数其中，frame为手机采样率，现在手机采样率一般大于为30Hz，心率HR为：30-150BPM，得到T为：30-12帧。根据f(n-k)+β＜f(n)＜f(n+k)+β，根据数学推导，只要k＜T，f(n-k)与f(n+k)之间最多仅有一个波峰，实验设定k为8，为了更好减少噪声误差影响，在误差最小时对应β值。通过统计PPG峰值测量人体心率的算法如下： 

Step1：在30Hz手机采样率下，设定k＝8，，初始化n=1，count=0，N为采样图像数 

Step2：如果f(n-k)+β<f(n)<f(n+k)+β&&n<N， 

则count＝count+1，N(count)＝n，n＝n+Δn，转入step2，否则，转入step3 

Step3：如果n<N，则n=n+1，转入step2，否则，转入step4。 

Step4：心率： $\mathrm{HR}={60}^{*}{\mathrm{frame}}^{*}\frac{\mathrm{count}-1}{N\left(\mathrm{count}\right)-N\left(2\right)}$

从第二个波峰开始计数，避免了检测满足条件f(n-k)+β<f(n)<f(n+k)+β的n点不是真正的波峰，只是峰值附近的点产生的误差。根据算法，检测到一个波峰后，f(n-k)>f(n)<f(n+k)，直到在下一个波峰附近，才满足f(n-k)+β<f(n)<f(n+k)+β，该算法不会对一个波峰多次计数。 

由于[n-k，n+k]之间距离>T/2，且根据PPG信号波形，PPG信号的次波的波峰不会满足f(n-k)+β<f(n)<f(n+k)+β条件，可以防止次波的影响检测波峰；由于 在波峰比较平缓处，波峰点仍根据f(n-k)+β<f(n)<f(n+k)+β条件检测出，故不会漏掉波峰点；由于β值比较大，故PPG信号中含有噪声信号的点不满足f(n-k)+β<f(n)<f(n+k)+β条件。 

误差分析 

一在Android平台上使用Java语言开发出了心率软件，软件基于上述方法实现心率测量。本文实验的目的是说明，相比现有利用移动终端进行人体生理特征测量的方法，在较差硬件条件和采样频率的前提下，具有更高的精确性。本 实验使用HTC g9手机采集人体手指图像。 

根据实验结果，与相关工作进行对比分析 

从实验结果与相关工作的对比分析可以看出，在相对较差的硬件条件下，针对不同个体，我们的算法的平均误差较小。 

在不介入任何外来设备情况下，仅利用手机采集的手指图像，利用基于图像分割的去噪方法对手指图像进行去噪，利用手指图像的功率密度计算PPG信号，通过检测PPG信号的峰值，在手机上实现人体心率测量，相比现有的成果，我们的算法精度更高。 

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。 

Claims (3)

1.一种基于手机图像的人体心率的测量方法，其特征在于，包括以下步骤：

A、获取PPG信号，通过手机获取手指图像，用FFT算法对其处理后，进行滤波，而利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；

B、测量人体心率，通过分析PPG信号，检测峰波，减少PPG信号中的噪声信号，从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。

2.如权利要求1所述的一种基于手机图像的人体心率的测量方法，其特征在于，所述步骤A中是先截取手指图像边缘，得到小图，对小图利用基于FFT的分割法进行去噪，根据小图的功率密度计算PPG信号。

3.如权利要求1所述的一种基于手机图像的人体心率的测量方法，其特征在于，所述步骤B中是通过f(n-k)+β<f(n)<f(n+k)+β的方法来检测峰波的。