CN105310650B - 用于生命体征监测的控制器和方法 - Google Patents
用于生命体征监测的控制器和方法 Download PDFInfo
- Publication number
- CN105310650B CN105310650B CN201410685011.8A CN201410685011A CN105310650B CN 105310650 B CN105310650 B CN 105310650B CN 201410685011 A CN201410685011 A CN 201410685011A CN 105310650 B CN105310650 B CN 105310650B
- Authority
- CN
- China
- Prior art keywords
- vital signs
- signal
- active signal
- vital
- executed
- 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
Classifications
-
- 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
-
- 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
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供一种用于生命体征监测的控制器和方法。方法包含获取视频信号;在视频信号上执行活动建模以提供活动信号;在视频信号上执行生命指征提取以提供生命指征;以及基于活动信号,在生命指征上执行滤波,以抑制活动信号与生命指征之间的相关,并相应地提供滤波后的生命指征。通过以上方案可以有效的进行生命体征监测。
Description
【技术领域】
本发明关于生命体征(life sign)监测,且更特别地,关于从视频信号提取生命指征(vital sign)和活动信号的方法和相关的装置,例如,控制器。
【背景技术】
医疗保健在现代社会的福利中是非常重要的,尤其是对于婴儿、卧床不起的患者以及需要持续生命体征监测的老年人。这样的生命体征监测一般是由护理人员的常规检验来实现,例如,护婴员、护士和/或医生。然而,依赖于人工的监测受到非故意的疏忽和/或缺乏经验、打扰那些需要休息的人和/或由于较长的检验周期不能立即反映医疗急救的困扰。因此,急需一种自动并无人看守的生命体征监测技术。
【发明内容】
有基于此,本发明特提供以下技术方案:
本发明提供一种用于生命体征监测的方法,包含获取视频信号;在视频信号上执行活动建模以提供活动信号;在视频信号上执行生命指征提取以提供生命指征;以及基于活动信号,在生命指征上执行滤波,以抑制活动信号与生命指征之间的相关,并相应地提供滤波后的生命指征。
本发明还提供一种生命体征监测控制器,包含接口,用于获得视频信号;活动建模块,用于在视频信号上执行活动建模以提供活动信号;生命指征提取块,在视频信号上执行生命指征提取以提供生命指征;以及滤波器块,用于基于活动信号,在生命指征上执行滤波,以抑制活动信号与生命指征之间的相关,并相应地提供滤波后的生命指征。
本发明还提供一种用于生命体征监测的方法,包含获取视频信号;在视频信号上执行活动建模以提供活动信号;在视频信号上执行生命指征提取以提供生命指征;以及提供联合决定,用于根据生命指征和活动信号是否超过活动阈值范围,将生命体征监测的结果分类到多个预定片段的一个。
通过以上方案可以有效的进行生命体征监测。
【附图说明】
在阅读了以下详细描述和附图后,本发明的以上目的和优点将对本领域的普通技术人员更为明显,其中:
图1图示根据本发明的实施例的方法;
图2图示根据本发明的实施例的处理器;
图3图示根据本发明的实施例的用于显示于图1中的活动建模的方法;
图4演示了显示于图3中的活动信号的说明性的波形示例;
图5图示根据本发明的实施例的显示于图1的用于生命指征提取的方法;
图6到图8演示了在图5中的过程的说明性的操作示例;
图9图示显示于图2中的滤波器单元的实施例;
图10和图11演示了显示于图5中的滤波器的说明性的操作示例;
图12图示根据本发明的实施例的显示于图1中的生命指征来源的方法;
图13和图14演示了显示于图12中的说明性的操作示例的方法;
图15图示显示于图1中的联合决定的原理;
图16图示根据本发明的实施例的显示于图1中的用于做出联合决定的方法;以及
图17图示根据本发明的实施例的显示于图1中的用于做出联合决定的方法。
【具体实施方式】
请参考图1和图2。图1图示根据本发明的实施例的用于生命体征监测的方法100。图2图示根据本发明的实施例的控制器200。控制器200可执行方法100以实施自动生命体征监测。例如,控制器200可以是包含多个集成系统且能够执行图1中的方法100的集成电路或电子系统。
如图2所示,控制器200可包含接口202、活动建模块204、生命指征提取块206、滤波器块208、生命指征派生块210以及联合决定器212。每个块204、206、208和210以及联合决定器212可以由专属电路实施,和/或由执行关联的软件和/或固件代码的一般处理硬件(未示出)实施。
在控制器200中,接口202能够获取包含所监测的对象的图像(帧)的视频信号V0。例如,接口202可包含机械连接器(例如,USB连接器或HDMI连接器,未示出),以通过导线/线缆在物理上连接视频照相机214(或多个视频相机),以及接收由视频照相机214俘获的视频流以相应地获取视频信号V0。接口202可包含用于访问有线和/或无线网络的网络电路,以获取由远程视频照相机214和/或存储装置(未示出),例如,硬盘驱动、闪速存储器和/或易失性存储器等提供的视频信号V0。接口202还可包含转换电路(未示出),例如,模数转换器,用于将视频照相机的原始视频流转换为视频信号V0。视频信号V0可包含多个帧,例如,分别位于时间(t-2*dt)、(t-dt)和t的帧V0[t-2*dt]、V0[t-dt]和V0[t]。
活动建模块204能够在视频信号V0上执行活动建模以提供P(一或多)个活动信号a[t]_1到a[t]_P。每个活动信号a[t]_p(p=1到P)可以是具有指示所监测的对象的小规模移动(例如,抖动、颤振等)和/或大规模运动(例如,转头、翻身、改变姿势、举起/放下/移动手/胳膊/腿等)的波形的信号。
生命指征提取块206在视频信号V0上执行生命指征提取,以提供Q(一或多)个生命指征v[t]_1到v[t]_Q。每个生命指征v[t]_q(q=1到Q)可以是具有指示所监测的对象的心跳脉搏、呼吸运动、血压的时间节律或血氧饱和的时间变动等的波形的信号。
一个、一些或所有生命指征v[t]_1到v[t]_Q可遭遇由所监测的对象的活动导致的伪迹、干扰和/或噪声。为了抑制伪迹、干扰和/或噪声,滤波器块208可包含K(一或多)个滤波器U_1到U_K,每个滤波器U_k(k=1到K)基于参考信号(例如,活动信号a[t]_1到a[t]_P的一个)在输入信号(例如,生命指征v[t]_1到v[t]_Q的一个)上进行滤波,以抑制参考信号与输入信号之间的相关,并相应地提供滤波后的生命指征fv[t]_k。即,通过改变(leverage)反映所监测的对象的活动的活动信号a[t]_p,可以滤波生命指征v[t]_q中由活动诱发的伪迹、干扰和/或噪声,以便提供具有更好的信号质量的滤波后的生命指征fv[t]_k。备选地,滤波器U_1到U_K可提供相同的K个滤波后的生命指征fv[t]_1到fv[t]_K。
生命指征派生块210可在一或多个生命指征v[t]_1到v[t]_Q以及滤波后的生命指征fv[t]_1到fv[t]_K上执行生命指征派生,并相应地提供N(一或多)个派生后的生命指征rv[t]_1到rv[t]_N。例如,派生后的生命指征rv[t]_n(派生后的生命指征rv[t]_1到rv[t]_N的一个)可以是指示心率(每单元时间心跳数)或呼吸率等的信号。
联合决定器212共同地根据生命指征v[t]_1到v[t]_Q、fv[t]_1到fv[t]_K以及rv[t]_1到rv[t]_N的子集(例如,一个、一些或所有),以及活动信号a[t]_1到a[t]_K的子集,执行联合决定用于将生命体征监测的结果分类到多个预定片段的一个。例如,联合决定器212可利用活动信号a[t]_1到[t]_K的一个作为活动指示符,以及利用生命指征v[t]_1到v[t]_Q、fv[t]_1到fv[t]_K以及rv[t]_1到rv[t]_N的一个作为生命指示符。联合地考虑活动指示符和生命指示符,联合决定器212可通过检查活动指示符是否超过关联的活动阈值范围(例如,小于活动阈值范围的下限)以及生命指示符是否超过关联的生命阈值范围(例如,小于生命阈值范围的下限)来提供联合决定。如果都否,则联合决定可反映警报片段,因为活动和生命读取均为低。相反,如果其中一个为是,则联合决定可反映“目前还好”的片段。
与图2中显示的控制器200一起,显示于图1中的方法100的主要步骤可以描述如下。
步骤102:通过接口202(图2),获取视频信号V0。
步骤104:通过活动建模块204,在视频信号V0上执行活动建模以提供时变的活动信号a[t]_1到a[t]_P。
步骤106:通过生命指征提取块206,在视频信号V0上执行生命指征提取以提供时变的生命指征v[t]_1到v[t]_Q。
步骤108:通过滤波器块208的每个滤波器单元U_k,基于活动信号a[t]_1到a[t]_P的一个,在生命指征v[t]_1到v[t]_Q以及rv[t]_1到rv[t]_N上执行滤波,以便抑制他们之间的相关,并相应地提供滤波后的生命指征fv[t]_k作为滤波后的生命指征fv[t]_1到fv[t]_K的一个。共同地利用滤波器U_1到U_K,提供滤波后的生命指征fv[t]_1到fv[t]_K。
步骤110:通过生命指征派生块210,在生命指征v[t]_1到v[t]_Q以及fv[t]_1到fv[t]_K的子集(一个、一些或所有)上执行生命指征派生,并相应地提供派生后的生命指征rv[t]_1到rv[t]_N。
步骤112:通过联合决定器212,根据生命指征v[t]_1到v[t]_Q,fv[t]_1到fv[t]_K以及rv[t]_1到rv[t]_N的子集(一个、一些或所有),以及活动信号a[t]_1到a[t]_K的子集(一个、一些或所有),提供联合决定用于将生命体征监测的结果分类到多个预定片段的一个。
在方法100中,步骤104和106可以同时地或相继地执行,步骤104和108可以同时地或相继地执行,以及步骤104和110可以同时地或相继地执行。P、Q、K和R的每两个数字可以是相同或不同的。例如,数字Q可以不同于数字P,但等于数字K。
与图1和图2一起,请参考图3,图3图示根据本发明的实施例的方法300。活动建模块204(图2)可以执行方法300以实施步骤104(图1)。方法300可包含以下步骤。
步骤302:接收视频信号V0。
步骤304:执行背景减法,例如,通过:对于视频V0的当前帧V0[t]和先前帧V0[t-dt],根据帧V0[t-dt]和V0[t]的公共部分识别静态背景,从帧V0[t]中减去背景,并相应地提供当前背景减去后的帧V1[t](未示出)。备选地,背景减法可以通过以下来执行:对于当前帧V0[t]和多个先前帧V0[t-dt]、V0[t-2*dt]到V0[t-J0*dt],根据帧V0[t-dt]到V0[t-J0*dt]的平均(或加权平均)和帧V0[t]来提供背景,并相应地提供帧V1[t]。然后,背景减去的视频信号V1(未示出)从背景减去的帧(例如,对于时间(t-dt)的帧V1[t-dt]以及对于时间t的帧V1[t]等)获取。
步骤306:通过活动建模块204,通过从视频信号V1的每个帧确认和识别所监测的对象,在视频信号V1上执行对象确认。对象确认可基于人脸确认和/或基于将视频信号V1的内容与所监测的对象的已知样式进行比较。
步骤308:通过活动建模块204,通过识别一个或多个身体部分(例如,面部、胸部、胳膊、手和/或他们的组合等)为M1个感兴趣的区域(Region of Interest,以下简称ROI)aR[t]_1到aR[t]_M1(未示出),在每个帧V1[t]的所确认的对象上执行ROI提取。因此,从连续的帧V1[.],活动建模块204可分别提取分别表示为aR[.]_1到aR[.]_M1的M1个ROI序列,每个ROI序列aR[.]_m(m=1到M1)从连续的帧V1[.]追踪相同的身体部分。例如,ROI序列aR[.]_m可包含ROI aR[t-2*dt]_m、aR[t-dt]_m、aR[t]_m,以追踪分别从帧V1[t-2*dt]、V1[t-dt]、V1[t]等识别和提取的相同的身体部分。
步骤310:为了提供每个活动信号a[t]_p(p=1到P),由活动建模块204在关联的ROI序列aR[.]_m(ROI序列aR[.]_1到aR[.]_M1)上执行ROI操作。例如,活动建模块204可在分别从帧V1[t-J1*dt]到V1[t]提取的多个(J1+1)连续的ROIaR[t-J1*dt]_m、aR[t-(J1-1)*dt]_m、…、aR[t-2*dt]_m以及aR[t]_m上执行ROI操作,并相应地提供活动信号a[t]_p的当前样本(在时间t)。
存在各种ROI操作算法,用于实施提供每个活动信号a[t]_p,例如,显示于图3中的算法(3a)到(3d)。为了通过算法(3a)提供活动信号a[t]_p,活动建模块204可通过在相同ROI序列aR[.]_m的当前ROI aR[t]_m和先前ROI aR[t-dt]_m之间执行运动估计,以实施ROI操作,并相应地提供运动向量MV[t](未示出)用于当前时间t。因此,运动向量MV[t]的向量长度(范(norm))、或运动向量MV[t]的角度、或运动向量MV[t]的共同的长度和角度可以提供为活动信号a[t]_p的当前样本。备选地,运动向量MV[t]的x成分或y成分,或共同的x成分和y成分,可以提供为活动信号a[t]_p。
根据算法(3b),活动建模块204可通过计算当前ROI aR[t]_m的区域与先前ROI aR[t-dt]_m的区域之间的区域改变,以执行ROI操作,并相应地提供活动信号a[t]_p的当前样本。例如,假设ROI aR[t]_m的区域占据PXC[t]个像素,以及ROIaR[t-dt]_m的区域占据PXC[t-dt]个像素,则他们的差别(PXC[t]-PXC[t-dt])可以提供为活动信号a[t]_p的当前样本。备选地,活动建模块204可计算当前ROIaR[t]_m的区域与多个先前ROI aR[t-dt]_m到aR[t-J2*t]_m的平均(或加权平均)区域之间的差别,并相应地提供活动信号a[t]_p的当前样本。备选地,活动建模块204可计算ROI aR[t]_m到aR[t-J2*t]_m的区域的线性组合,并相应地提供活动信号a[t]_p的当前样本。
根据算法(3c),活动建模块204可通过加总来自帧V1[t]和V1[t-dt]的ROIaR[t]_m与aR[t-dt]_m之间的绝对差别,以执行ROI操作。以便提供活动信号a[t]_p的当前样本。
根据算法(3d),活动建模块204可通过计算两个(或者更多)ROI aR[t]_m和aR[t-dt]_m的强度的总和的改变,以执行ROI操作,并相应地提供活动信号a[t]_p。例如,对于当前时间t,活动建模块204可加总先前ROI aR[t-dt]_m中所有像素的强度,并获取总和SM[t-dt]。而且,活动建模块204可加总当前ROI aR[t]_m中所有像素的强度,并获取另一总和SM[t]。然后,活动建模块204可计算总和SM[t]与SM[t-dt]之间的改变,并相应地获取活动信号a[t]_p的当前样本。备选地,活动建模块204可计算帧V1[t]、V1[t-dt]到V1[t-J3*dt]的强度总和SM[t]、SM[t-dt]到SM[t-J3*dt]的线性组合(加权的总和)为活动信号a[t]_p的当前样本。像素的强度可以是亮度(luma)、明亮度(brightness)或像素的红色、绿色、蓝色的通道数据的线性组合。
在步骤310中,当提供活动信号a[t]_1到a[t]_P中的不同的两个活动信号a[t]_p1和a[t]_p2时,活动建模块204可在相同的ROI序列aR[.]_m上或分别在不同的ROI序列aR[.]_m1和aR[.]_m2(ROI序列aR[.]_1到aR[.]_M1的不同的两个)上,执行不同ROI操作算法(例如,(3a)到(3d)的不同的两个算法)的两个ROI操作。为了提供不同的活动信号a[t]_p3和a[t]_p4,活动建模块204可分别在不同的ROI序列aR[.]_m3和aR[.]_m4上执行相同的ROI操作算法的ROI操作。
步骤312:获取结果活动信号a[t]_1到a[t]_P。
对于步骤310,在相同的ROI序列aR[.]_m上执行不同的ROI操作算法的不同的ROI操作,可分别反映ROI序列aR[.]_m的活动不同的方面。例如,假设ROI序列aR[.]_m与所监测的对象的面部关联,则算法(3a)可以合适的反映面部的平移(偏移)移动,且算法(3b)可以合适的反映面部的转动(例如,摇头)。如果所监测的对象正在摇头,则由算法(3a)获得的活动信号a[t]_p1可为低,但由算法(3b)获得的另一活动信号a[t]_p2可为高;另一方面,如果所监测的对象面部保持向前正在点头,则活动信号a[t]_p1可为高,但活动信号a[t]_p2可为低。因此,通过应用不同的ROI操作算法到不同的身体部分(不同的ROI序列)获得的活动信号,可共同地提供对所监测的对象的活动的完整和彻底的观察。图4图示分别通过将图3的算法(3a)到(3d)应用到面部的ROI获得的四个活动信号a[t]_p1、a[t]_p2、a[t]_p3和a[t]_p4的波形示例。
与图1和图2一起,请参考图5,图示根据本发明的实施例的方法500。在步骤106(图1)中,生命指征提取块206(图2)可执行方法500以提供生命指征v[t]_1到v[t]_Q。例如,生命指征v[t]_q(生命指征v[t]_1到v[t]_Q中的一个)可以是具有指示所监测的对象的心跳脉搏或呼吸运动的波形的信号。
步骤502:以视频信号V0开始方法500。生命指征提取块206可以视频信号V0进入方法500的其他步骤;备选地,生命指征提取块206可在视频信号V0上执行初步的图像处理,例如,噪声滤波、边缘增强、去模糊、去阻挡、白平衡、亮度调整、对比对调整、伽马值调校和/或其它颜色调校,以及然后以处理后的视频信号V0进入方法500的其他步骤。
步骤504:通过生命指征提取块206,从视频信号V0的每个帧V0[t]识别M2(一或多)个ROI vR[t]_1到vR[t]_M2。例如,ROI vR[t]_m’(ROI vR[t]_1到vR[t]_M2中的一个)可以是指示所监测的对象的身体部分(例如,面部)或若干身体部分(例如,面部、颈部和胸部)的联合的区域。为了从帧V0[t]中识别ROI vR[t]_m’,生命指征提取块206可执行样式确认(例如,面部检测)和追踪,以便初步地定位身体部分。例如,生命指征提取块206可在帧V0[t]上识别界定被追踪的身体部分的矩形的区域。然后,生命指征提取块206还可在矩形的区域的像素上应用皮肤颜色分割。如果矩形的区域中的像素具有落入指示皮肤颜色的预定义颜色范围内的颜色时,则像素包含于ROI vR[t]_m’中。即,在矩形的区域中,具有符合预定义的颜色范围的颜色的像素共同地形成ROI vR[t]_m’。
生命指征提取块206可从连续的帧V0[.]提供追踪相同的身体部分的ROI序列vR[.]_m’。例如,ROI序列vR[.]_m’可包含ROI vR[t-2*dt]_m’、vR[t-dt]_m’和vR[t]_m’以追踪分别从帧V0[t-2*dt]、V0[t-dt]和V0[t]识别的相同的身体部分。作为说明性的示例,图6演示追踪所监测的对象(例如,戴着眼镜的人)的面部(和颈部、胸部)的相同的ROI序列vR[.]_m’的两个ROI vR[t1]_m’和vR[t2]_m’。通过应用步骤504(图5)到视频信号V0分别从两个帧V0[t1]和V0[t2]识别两个ROIvR[t1]_m’和vR[t2]_m’。在步骤504,通过面部检测和追踪,两个矩形的区域rct[t1]和rct[t2]可首先从两个帧V0[t1]和V0[t2]识别;然后,皮肤颜色分割应用到区域rct[t1]和rct[t2]中的像素。在区域rct[t1]中,具有符合皮肤颜色范围的颜色的像素包含于ROI vR[t1]_m’中,而具有不符合皮肤颜色范围的颜色的像素(即,图6中阴影区域的像素)则排除。类似地,在区域rct[t2]中,具有符合皮肤颜色范围的颜色的像素包含于ROI vR[t2]_m’中。如图6所示,ROI(例如,vR[t1]_m’或vR[t2]_m’)可以是不规则的,且可包含相互不连接的子区域。例如,ROI vR[t1]_m’包含隔离的子区域sub1、sub2和sub3。
步骤506(图5):为了提供每个生命指征v[t]_q(q=1到Q),通过生命指征提取块206,在关联的ROI序列vR[.]_m’(序列vR[.]_1到vR[.]_M2中的一个)上执行像素操作。存在各种像素操作算法以实施像素操作。
在第一像素操作算法中,像素操作可以在当前帧V0[t]的单个ROI vR[t]_m’上执行,且包含:在ROI vR[t]_m’的像素的红色通道像素数据、绿色通道像素数据和蓝色通道像素数据上,计算第一统计值、第二统计值和第三统计值(例如,平均、最大、最小、变化等),以分别提供第一通道信号ch1[t]_q、第二通道信号ch2[t]_q和第三通道信号ch3[t]_q的样本。然后通道信号ch1[t]_q、ch2[t]_q和ch3[t]_q可以共同看作为生命指征v[t]_q。备选地,通道信号ch1[t]_q到ch3[t]_q可以分别通过在ROI vR[t]_m’的像素的亮度、色度和饱和度上计算统计值来获得。一般而言,生命指征v[t]_q可包含一个或多个通道信号chx[t]_q,每个通道信号chx[t]_q可以通过在ROI vR[t]_m’的像素的指示数据上计算统计值来获得,且像素的指示数据是像素的红色、绿色和蓝色通道数据的关联的线性组合。
通过将第一像素算法应用到面部追踪ROI序列vR[.]_m’(例如,显示于图6中的ROI序列),结果生命指征v[t]_q可以采用以指示心跳脉搏的波形。例如,图7图示共同包含于生命指征v[t]_q中的红色、绿色、蓝色通道信号ch1[t]_q到ch3[t]_q的示范性波形,红色(绿色,蓝色)通道信号ch1[t]_q(ch2[t]_q、ch3[t]_q)的当前样本可以通过在当前ROI vR[t]_m’的像素上平均红色(绿色,蓝色)通道数据来获得。每个通道信号ch1[t]_q到ch3[t]_q还可单独地看作为生命指征。
在第二像素操作算法中,步骤506中的像素操作可以在ROI序列vR[t]_m’的若干(先前和/或当前)ROI上执行,以获得结果生命指征v[t]_q,且包含:在从不同的帧(例如,帧V0[t-dt]和V0[t]的ROI vR[t-dt]_m’和vR[t]_m’)识别的不同的ROI的像素数据(例如,颜色通道数据、亮度等)上计算统计值(例如,平均、绝对差别的总和等),并相应地提供生命指征v[t]_q的当前样本。通过将第二像素算法应用到追踪胸部或面部和胸部的联合的ROI序列vR[.]_m’,结果生命指征v[t]_q可以采用以指示呼吸移动的波形。类似于第一像素操作算法,根据第二像素操作算法获得的生命指征v[t]_q可包含若干通道信号。
在步骤506(图5)中,生命指征提取块206可在相同的ROI序列vR[.]_m’上执行不同像素操作算法的两个像素操作,以分别提供两个生命指征v[t]_q1和v[t]_q2作为两个生命指征v[t]_1到v[t]_M2,或在两个ROI序列vR[.]_m1’和vR[.]_m2’(不同的两个ROI序列vR[.]_1到vR[.]_M2)上执行不同像素操作算法的两个像素操作,以分别提供两个生命指征v[t]_q1和v[t]_q2。生命指征提取块206可在不同的两个ROI序列vR[.]_m3’和vR[.]_m4’上执行相同的像素操作算法的两个像素操作,以分别提供两个生命指征v[t]_q3和v[t]_q4。
步骤508:可选地,在一个、一些或所有生命指征v[t]_1到v[t]_Q上由生命指征提取块206执行信号质量增强。例如,增强指示心跳脉搏的生命指征v[t]_q,生命指征提取块206可执行信号质量评估和异常移除以抑制噪声并移除显示于生命指征v[t]_q波形的尖峰。生命指征提取块206可例如通过有限脉冲响应(Finite Impulse Response,FIR)滤波器,在生命指征v[t]_q上执行带通滤波,以便抑制频率超过(低于和超越)心率的合适的范围,例如,从40到240下每分钟(beat per minite,bpm)。继续显示于图7的说明性的示例,图8图示示范性信号增强,信号增强是在显示于图7中的在红色、绿色和蓝色通道信号ch1[t]_q到ch3[t]_q上执行以分别获得图8中的增强的通道信号ch1[t]_q到ch3[t]_q,且增强的通道信号ch1[t]_q到ch3[t]_q共同形成增强的生命指征v[t]_q。
类似地,为了增强知识呼吸移动的生命指征v[t]_q’,生命指征提取块206可在生命指征v[t]_q’上执行带通滤波,以便抑制频率超过呼吸率的合适的范围。
步骤510(图5):以所获得的(增强后的)生命指征v[t]_1到v[t]_Q结束方法500。
当分别执行方法300(图3)和500(图5)时,活动建模块204和生命指征提取块206(图2)可合作,所以,由块204和206中的一个生成的ROI序列可以由另一个利用。例如,活动建模块204可应用步骤310(图3)到由生命指征提取块206提供的一个或一些ROI序列vR[.]_1到vR[.]_M2(图5),并相应地获取一个或一些活动信号a[t]_1到a[t]_P。生命指征提取块206可应用步骤506(以及后续步骤,图5)到由活动建模块204提供的一个或一些ROI序列aR[.]_1到aR[.]_M1(图3),并相应地获取一个或一些生命指征v[t]_1到v[t]_Q。
一个、一些或所有生命指征v[t]_1和v[t]_Q可以受到由所监测的对象的移动或运动导致的伪迹所影响。通过改变能够反映所监测的对象的移动或运动的活动信号,滤波器块208可处理影响生命指征的伪迹问题。
如在图2中所描述的,滤波器块208可包含滤波器U_1到U_K。与图1和图2一起,请参考图9,图示滤波器U_k(滤波器U_1到U_K的一个)的实施例。滤波器U_k能够基于参考信号z[t]_k(例如,活动信号a[t]_1到a[t]_P的一个),在输入信号x[t]_k(例如,生命指征v[t]_1到v[t]_Q的一个)上执行滤波,相应地抑制由参考信号z[t]_k和输入信号x[t]_k之间的相关诱发的伪迹,并提供滤波后的生命指征rv[t]_k。如图9所示,滤波器U_k可包含缓冲器902、加权模块904、算术节点908以及自适应单元906。
缓冲器902可包含Lk(一或多)个串行耦合的延迟器910,每个延迟器910可接收信号,以时间间隔dt延迟所接收的信号,并提供延迟后的结果。全部的Lk个延迟器910,缓冲器902能够缓冲输入信号x[t]_k的Lk个先前(延迟后的)样本x[t-dt]_k、x[t-2*dt]_k到x[t-Lk*dt]_k。
加权模块904能够分别用加权因数w_0和w_1到w_Lk加权当前样本x[t]_k和Lk个先前样本x[t-dt]_k到x[t-Lk*dt]_k,加总加权后的当前和先前样本w0*x[t]_k、w_1*x[t-dt]_k到w_Lk*x[t-Lk*dt]_k,并相应地提供加权后的信号wx[t]_k的当前样本。算术节点908能够从输入信号x[t]减去加权后的信号wx[t]_k,以提供滤波后的生命指征fv[t]_k。自适应单元906能够根据滤波后的生命指征fv[t]_k适应性地和动态地调整加权因数w_0到w_Lk的值。
滤波器U_k的功能可以由模拟和模仿回声消除来描述:输入信号x[t]_k可以模拟于被回声污染了的声音,且参考信号z[t]_k可以模拟于回声;减去信号z[t]_k的加权的样本以及加权因数w_0到w_Lk的自适应反馈控制可以模拟于自适应回声消除,以及结果滤波后的生命指征fv[t]_k可以模拟于回声抑制后的声音。
滤波器U_k可接收生命指征v[t]_p(初始的生命指征v[t]_1到v[t]_Q的一个)作为输入信号x[t]_k,并接收活动信号a[t]_p(活动信号a[t]_1到a[t]_P的一个)作为参考信号z[t]_k,以便基于活动信号a[t]_q滤波生命指征v[t]_p;结果滤波后的生命指征fv[t]_k可以看作滤波后的生命指征fv[t]_k。滤波器U_1到U_K中的两个不同的滤波器U_k1和U_k2可以设置为基于活动信号a[t]_1到a[t]_P中的相同的一个活动信号a[t]_p,或基于活动信号a[t]_1到a[t]_P中的两个活动信号a[t]_p1和a[t]_p2,分别滤波生命指征v[t]_1到v[t]_Q中的两个生命指征v[t]_q1和v[t]_q2。滤波器U_1到U_K中的两个滤波器U_k3和U_k4可设置为基于活动信号a[t]_1到a[t]_P中的两个活动信号a[t]_p3和a[t]_p4,分别滤波生命指征v[t]_1到v[t]_Q中的相同的一个生命指征v[t]_q。
作为示例,图10演示了生命指征v[t]_q以及通过根据活动信号a[t]_p(未示出)滤波生命指征v[t]_q获得的关联的滤波后的生命指征fv[t]。图10也显示两个生命指征v[t]_q和由频谱分析(例如,傅里叶变换)获得的fv[t]_q的频谱。初始生命指征v[t]_q,可以在显示于图6到图8中的示例之后获得,期望反映心跳脉搏。然而,在图10的示例中,所监测的对象进行常规(有节奏的)移动;因此,生命指征v[t]_q的频谱错误地反映75.1bpm的峰值,而不是所监测的对象的实际心率的峰值。另一方面,通过基于活动信号滤波,滤波后的生命指征fv[t]_q的频谱可以61.7bpm的峰值正确地反映所监测的对象的实际心率。
作为滤波的另一示例,图11显示了另一对生命指征v[t]_q和关联的滤波后的生命指征fv[t],与他们的频谱。图11中的初始生命指征v[t]_q也期望反映心跳脉搏。然而,在图11的示例中,所监测的对象进行非常规(无节奏的)移动,例如,突然转头;因此,生命指征v[t]_q的频谱错误地反映53.1bpm的峰值,而不是所监测的对象的正确心率的峰值。另一方面,通过基于活动信号滤波,滤波后的生命指征fv[t]_q的频谱可以62.8bpm的峰值反映所监测的对象的实际心率。
在一实施例中,一个或多个滤波器U_1到U_K,例如,滤波器U_k5,可设置为基于另一活动信号a[t]_p6(另一活动信号a[t]_1到a[t]_P),或基于生命指征v[t]_1到v[t]_Q中的一个,或基于由另一滤波器U_k6(k6不同于k5)提供的滤波后的生命指征fv[t]_k6,滤波活动信号a[t]_p5(活动信号a[t]_1到a[t]_P中的一个)。一个或多个滤波器U_1到U_K,例如,滤波器U_k7,可设置为基于另一生命指征al v[t]_q8(生命指征s v[t]_1到v[t]_Q的另一个),或基于由另一滤波器U_k8(k8不同于k7)提供的滤波后的生命指征fv[t]_k8,滤波生命指征v[t]_q7(生命指征v[t]_1到v[t]_Q中的一个)。
滤波器U_1到U_K中的两个滤波器U_k9和U_k10可具有不同数量的延迟器910和加权因数,和/或采用不同的自适应模型以分别实施他们的自适应单元906。因此,在一实施例中,滤波器U_k9和U_k10可设置为基于相同的一个活动信号a[t]_1到a[t]_P滤波相同的一个生命指征v[t]_1到v[t]_Q,并相应地获取不同的两个滤波器生命指征fv[t]_k9和fv[t]_k10。
在一实施例中,对于一个或多个滤波器U_1到U_K,例如,基于参考信号z[t]_k11滤波输入信号x[t]_k11,以获取滤波后的生命指征rv[t]_k11的滤波器U_k11,参考信号z[t]_k11可以是一些(或所有)活动信号a[t]_1到a[t]_P的线性组合。备选地,参考信号z[t]_k11可以是一个、一些或所有活动信号a[t]_1到a[t]_P与一个、一些或所有生命指征v[t]_1到v[t]_Q的线性组合。形成参考信号z[t]_k11的线性组合可包含一个、一些或所有滤波后的生命指征fv[t]_1到fv[t]_K,除了fv[t]_k11。
在一实施例中,对于一个或多个滤波器U_1到U_K,例如,基于参考信号z[t]_k12滤波输入信号x[t]_k12以获得滤波后的生命指征rv[t]_k12的滤波器U_k12,输入信号x[t]_k12可以是一些(或所有)生命指征v[t]_1到v[t]_Q的线性组合。备选地,输入信号x[t]_k12可以是一个、一些或所有生命指征v[t]_1到v[t]_Q与一个、一些或所有活动信号a[t]_1到a[t]_P的线性组合。形成输入信号x[t]_k12的线性组合可包含一个、一些或所有滤波后的生命指征fv[t]_1到fv[t]_K,除了fv[t]_k12。
除了显示于图9中的结构,一个或多个滤波器U_1到U_k,例如,滤波器U_k’,可基于多个参考信号(例如,两个参考信号za[t]_k’和zb[t]_k’(未示出))滤波输入信号x[t]_k’,并相应地提供滤波后的生命指征fv[t]_k’。对于两个参考信号za[t]_k’和zb[t]_k’,滤波器U_k’可包含两个缓冲器902,两个加权模块904和两个自适应单元906。两个缓冲器902中的一个能够缓冲信号za[t]_k’的La个样本,且另一个能够缓冲信号zb[t]_k’的Lb个延迟的样本。两个加权模块904中的一个能够通过加权因数wa_0到wa_La,加权信号za[t]_k’的延迟后的(以及当前的)样本,以提供加权后的信号wxa[t]_k’的样本,两个加权模块904的另一个能够通过加权因数wb_0到wb_Lb,加权信号zb[t]_k’的延迟后的(以及当前的)样本,以提供加权后的信号wxb[t]_k’的样本。算术节点908能够从输入信号x[t]_k’减去信号wxa[t]_k’和wxb[t]_k’,以提供信号fv[t]_k’。自适应单元906的一个能够根据信号fv[t]_k’的反馈,调整加权因数wa_0到wa_La,且自适应单元906的另一个能够根据信号fv[t]_k’的反馈,调整加权因数wb_0到wb_Lb。
如在图5中所讨论的,生命指征v[t]_q(生命指征v[t]_1到v[t]_Q中的一个)可包含多个通道信号,例如,三个通道信号。在一实施例中,滤波器U_1到U_K中的三个可以分组为共同滤波器,且基于相同的参考信号分别滤波三个通道信号,以获得三个滤波后的生命指征,因此三个滤波后的生命指征可以包含于共同的滤波后的生命指征,以作为共同滤波器的输出。备选地,多个通道信号可以线性组合以形成一个(或者更多)组合的生命指征,且每个组合的生命指征可以由滤波器U_1到U_K中的一个滤波。
继续图1和图2,请参考图12,图示根据本发明的实施例的方法1200。生命指征派生块210(图2)可执行方法1200,并提供派生后的生命指征rv[t]_n作为派生后的生命指征rv[t]_1到rv[t]_N中的一个。因此,生命指征派生块210可通过方法1200的多个(并行和/或连续的)执行执行步骤110(图1),以共同地获得步骤110的所有生命指征rv[t]_1到rv[t]_N。方法1200可包含以下步骤。
步骤1202:为了提供派生后的信号rv[t]_n,方法1200可以多个基础信号开始。基础信号可以从以下选择:生命指征v[t]_1到v[t]_Q和他们的通道信号(如果有)、滤波后的生命指征fv[t]_1到fv[t]_K和他们的通道信号(如果有)、活动信号a[t]_1到a[t]_P以及,剩余的派生后的生命指征,即,派生后的生命指征rv[t]_1到rv[t]_N,除了rv[t]_n。为了获得一个或多个基础信号用于派生后的生命指征rv[t]_n,生命指征派生块210还可在从以下选择的信号上执行信号预处理:生命指征v[t]_1到v[t]_Q(和他们的通道信号)、滤波后的生命指征fv[t]_1到fv[t]_K(和他们的通道信号)、活动信号a[t]_1到a[t]_P以及剩余的派生后的生命指征,即,派生后的生命指征rv[t]_1到rv[t]_N,除了rv[t]_n。例如,生命指征派生块210可从未延迟的派生后的生命指征rv[t]_n’减去延迟的派生后的生命指征rv[t-dt’]_n’(n’不同于n),以便结果信号(rv[t]_n’-rv[t-dt’]_n’)可以提供作为基础信号的一个。
步骤1204:可选地,如果步骤1202的基础信号包含不同采样率的信号,则生命指征派生块210可通过向上采样和/或向下采样,调整信号的采样率,以便获得相同采样率的基础信号。
步骤1206:在相同采样率的基础信号上执行ICA,并相应地获取多个成分信号。每个成分信号可以是包含多个时间(当前和/或先前)样本的时域信号。通过ICA,最小化了每两个成分信号之间的统计相关(例如,协方差)。每个成分信号还可以看成生命指征,因为成分信号还可反映所监测的对象的生命条件。例如,基于活动信号,一个、一些或所有成分信号可以包含于即将滤波的生命指征v[t]_1到v[t]_Q。备选地,一个、一些或所有成分信号可包含于派生后的生命指征rv[t]_1到rv[t]_N,除了rv[t]_n。
步骤1208:通过生命指征派生块210,在成分信号上执行频谱分析,例如,傅里叶变换、快速傅里叶变换、窗口的傅里叶变换、离散余弦变换、小波变换等,以获得关联的频谱,并识别频谱的特性值,以提供派生后的生命指征rv[t]_n的样本。
在一实施例中,生命指征派生块210可首先选择一个时域成分信号(例如,通过比较成分信号的功率以及选择具有最大功率的一个),然后在所选择的成分信号(例如,在时间t、(t-dt)、(t-2*dt),…,(t-J4*dt)的样本)上执行频谱分析,以将其变换到频域,并相应地识别频谱(例如,具有最大频谱幅度的频率)的特性值作为派生后的生命指征rv[t]_n的样本。
备选地,生命指征派生块210可在每个成分信号在时间t、(t-dt)、(t-2*dt)、…、(t-J4*dt)的样本上每个成分信号执行频谱分析,并相应地获取多个频谱,并相应地识别频谱(例如,所有频谱中具有最大频谱幅度的频率)的特性值作为派生后的生命指征rv[t]_n的样本。
步骤1210:以获得的派生后的生命指征rv[t]_n结束方法1200。
与步骤106,(108)和110(图1)一起,指示暂时的心率的派生后的生命指征H[t](派生后的生命指征rv[t]_1到rv[t]_N中的一个)可以由以下提供:在步骤1202(图12),识别头部追踪ROI(例如,图6中的ROI),并在方法500(图5)获得三个通道信号ch1[t]_q1、ch2[t]_q1和ch3[t]_q1(例如,显示于图8中的通道信号),并选择三个通道信号ch1[t]_q1、ch2[t]_q1(或基于活动信号,通过将活动滤波应用到三个通道信号ch1[t]_q1、ch2[t]_q1和ch3[t]_q1获得的三个滤波后的生命指征,步骤108)作为基础信号。继续图8中的示例,图13是说明性的示例,显示通过应用频谱分析(图12步骤1208)到由在三个通道信号上执行ICA(步骤1206)获得的三个成分信号获得的频谱,其中,三个通道信号例如是图8中的三个通道信号ch1[t]_q1、ch2[t]_q1和ch3[t]_q1。在图13的示例中,第一成分信号的频谱在频率64.2bpm具有幅度峰值,在三个成分信号中最大,因此频率64.2bpm可以提供作为派生后的生命指征H[t]的当前样本(步骤1210),以便指示当前心率(在包含时间t、(t-dt)、(t-2*dt)、…、(t-J4*dt)的消逝的间隔评估的)是64.2bpm。
除了指示心率的派生后的生命指征H[t],指示暂时呼吸率的派生后的生命指征R[t](派生后的生命指征rv[t]_1到rv[t]_N中的一个,除了H[t])可以按照方法1200提供。为了形成派生后的生命指征R[t],基础信号(步骤1202)可包含两个生命指征v[t]_r1和v[t]_r2(生命指征v[t]_1到v[t]_Q和fv[t]_1到fv[t]_K中的两个),与由方法1200的其他执行提供的前述派生后的生命指征H[t]。
根据方法500(图5),形成生命指征v[t]_r1可包含:在步骤504,识别ROI序列vR[.]_r1(ROI序列vR[.]_1到vR[.]_M2中的一个)用于追踪头部和/或胸部(颈部);以及,在步骤506,通过应用第一像素操作到当前ROI vR[t]_r1,获得生命指征v[t]_r1(生命指征v[t]_1到v[t]_Q)的当前样本;可选地,在步骤108(图1),生命指征v[t]_r1还可由活动信号滤波。形成生命指征v[t]_r2可包含:在步骤506,通过应用工作于ROI序列vR[.]_r1的当前ROI vR[t]_r1和先前ROI vR[t-dt]_r1之间的差别的第二像素操作,获得生命指征v[t]_r2;可选地,在步骤108(图1),生命指征v[t]_r2还可由活动信号滤波。
利用生命指征v[t]_r1、v[t]_r2以及派生后的生命指征H[t],生命指征R[t]可以通过以下获得:在步骤1202,进一步应用信号预处理到派生后的生命指征H[t],以由(H[t]-H[t-dt’])获得预处理后的派生后的生命指征(例如,有节奏的心率)BB[t]的当前样本;在步骤1208,应用ICA到生命指征v[t]_r1、v[t]_r2以及预处理的派生后的生命指征BB[t],以获得多个(例如,三个)成分信号,选择一个成分信号(例如,通过比较成分信号的功率或频谱),且然后应用频谱分析到所选择的成分信号,以找出特性值(例如,最大频谱幅度发生的频率)作为派生后的生命指征R[t]的当前样本,此当前样本能够指示所监测的对象的呼吸率。因为在吸气时心率速度上升,且呼气时心率速度下降,改变预处理的派生后的生命指征BB[t],例如,有节奏的心率,以生成派生后的生命指征R[t];因此,生命指征BB[t]指示呼吸移动。
作为说明性的示例,图14演示了涉及形成生命指征v[t]_r1和v[t]_r2的操作,以及生命指征v[t]_r1和v[t]_r2的结果波形。在图14的示例中,原始预处理的派生后的生命指征BB[t]的采样率不同于生命指征v[t]_r1和v[t]_r2的采样率,因此,原始派生后的生命指征BB[t]的采样率也在步骤1202(图12)中调整(例如,通过向上采样或内插),以获得调整的派生后的生命指征BB[t],生命指征的采样率具有等于生命指征v[t]_r1和v[t]_r2的采样率。应用ICA到生命指征v[t]_r1、v[t]_r2和BB[t]可获得三个成分信号(未示出);且,通过合适的选择一个成分信号,例如,成分信号cv[t],可通过其波形正确地反映呼吸移动。因此,通过在成分信号cv[t]上执行频谱分析,可以获得指示呼吸率的派生后的生命指征R[t]的当前样本。
在方法1200中,步骤1204可以是可选的,且步骤1206也可以是可选的。在一实施例中,在步骤1202中,生命指征派生块210可选择单个基础信号,并且然后在步骤1208中对基础信号执行频谱分析以获得派生后的生命指征;即,在这样的实施例中,步骤1206可以省略。例如,生命指征派生块210可利用在图11中显示为基础信号的滤波后的生命指征fv[t]_k,并将频谱分析应用到滤波后的生命指征fv[t]_k,因此,频率62.8bpm可以提供作为派生后的生命指征的样本。
除生命指征v[t]_1到v[t]_Q之外,滤波器块208(图2)还可对一个、一些或所有派生后的生命指征rv[t]_1到rv[t]_N执行步骤108(图1)的滤波,并相应地获取滤波后的生命指征fv[t]_1到fv[t]_K的子集。
与图1和图2一起,请参考图15,图15图示生命指征v[t](例如,生命指征sv[t]_1到v[t]_Q、fv[t]_1到fv[t]_K和rv[t]_1到rv[t]_N中的一个)和活动信号a[t](活动信号a[t]_1到a[t]_P的一个)的暂时波形以示范地解释步骤112(图1)的联合决定和联合决定器212(图2)的操作原理。例如,生命指征v[t]可反映所监测的对象的心跳脉冲或呼吸运动,且活动信号a[t]可反映所监测的对象的活动。在片段T1,所监测的对象正健康地睡觉或休息,所以,生命指征v[t]显示规则的周期性脉冲,且活动信号a[t]反映具有几乎平坦的线的小活动。在片段T2,所监测的对象正健康地运动或锻炼,所以,生命指征v[t]显示不规则的波形,且活动信号a[t]也波动。在片段T3,所监测的对象处于非正常状况,生命指征v[t]显示不规则的波形,且活动信号a[t]反映没有活动。仅仅通过生命指征v[t](不借助于活动信号a[t]),难以区别片段T2和T3,因为,生命指征v[t]在这两个片段都变得不规则。另一方面,仅仅通过活动信号a[t](不借助于生命指征v[t]),也难以区别片段T1和T3,因为,活动信号a[t]在这两个片段均保持平坦。因此,可理解活动信号a[t]和生命指征v[t]应该联合考虑以正确地确定所监测的对象的健康状况。
继续图1和图2,请参考图16,图示根据本发明的实施例的方法1600;联合决定器212(图2)可根据方法1600实现步骤112。方法1600可包含以下步骤。
步骤1602:通过联合决定器212,根据一个、一些或所有活动信号a[t]_1到a[t]_P的每个是否超过预定活动阈值范围(例如,下限)确定所监测的对象是否显示活动。如果是,进入步骤1606,否则进入步骤1604。例如,联合决定器212可利用活动信号a[t]_s1(活动信号a[t]_1到a[t]_P中的一个)作为活动指示符,用以侦测活动的出现。如果在从时间(t-J5*dt)到当前时间t所逝去的持续时间的样本上计算的活动信号a[t]_s1的当前样本或统计值(例如,平均、最大或最小等)大于LB_s1(与活动信号a[t]_s1关联的活动阈值范围)的下限,则联合决定器212可确定所监测的对象在当前时间t显示正常活动。
备选地,联合决定器212可利用多个活动信号(活动信号a[t]_1到a[t]_P中的一些或所有),例如,两个活动信号a[t]_s1和a[t]_s2作为活动指示符。利用多个活动指示符,存在各种算法以确定是否存在活动。例如,联合决定器212可根据以下来确定活动的存在:活动信号a[t]_s1的当前样本(或在逝去的持续时间上计算的统计值)是否超过活动阈值范围R_s1(例如,第一下限LB_s1)。活动信号a[t]_s2的当前样本(或在逝去的持续时间上计算的统计值)是否超过活动阈值范围R_s2(例如,第二下限LB_s2)。如果超过了活动阈值范围R_s1和R_s2,则联合决定器212可确认活动的存在。备选地,如果超过了活动阈值范围R_s1和R_s2的一个,联合决定器212可确认活动的存在。
备选地,借助于多个活动指示符,例如,两个活动信号a[t]_s1和a[t]_s2,联合决定器212可首先线性结合两个活动信号a[t]_s1和a[t]_s2,然后通过比较结果线性组合是否超过预定活动阈值范围来确定活动是否存在。
步骤1604:通过联合决定器212,根据一个、一些或所有生命指征v[t]_1到v[t]_Q的每个、滤波后的生命指征fv[t]_1到fv[t]_K和派生后的生命指征rv[t]_1到rv[t]_N是否没超过关联的预定生命阈值范围,确定所监测的对象是否显示正常生命体征。如果是,进入步骤1606,否则进入步骤1608。每个生命阈值范围可包含单个下限、单个上限或下限和上限。
例如,联合决定器212可利用单个生命指征xv[t]_s3(生命指征v[t]_1到v[t]_P、fv[t]_1到fv[t]_K和rv[t]_1到rv[t]_N中的一个)作为生命指示符,用以侦测正常生命体征的出现。如果在从时间(t-J6*dt)到当前时间t所逝去的持续时间的样本上计算的生命指征xv[t]_s3的当前样本或统计值(例如,平均、最大或最小等)大于与生命指征xv[t]_s3关联的生命阈值范围R_s3的下限LB_s3,且小于生命阈值范围R_s3的上限UB_s3(如果存在),则联合决定器212可确定所监测的对象在当前时间t显示正常生命体征。否则,如果生命指征xv[t]_s3小于下限LB_s3或大于上限UB_s3(如果存在),则联合决定器212可确定所监测的对象在当前时间t不显示正常生命体征。
备选地,联合决定器212可利用多个生命指征(生命指征v[t]_1到v[t]_P、fv[t]_1到fv[t]_K和rv[t]_1到rv[t]_N的一些或所有),例如两个生命指征v[t]_s3和v[t]_s4,作为生命指示符。利用多个生命指示符,存在各种算法以确定正常生命体征的出现。例如,联合决定器212可确定正常生命体征的出现:如果生命指征xv[t]_s3的当前样本(或在逝去的持续时间上计算的统计值)落入关联的生命阈值范围R_s3,且,如果生命指征xv[t]_s4的当前样本(或在逝去的持续时间上计算的统计值)落入关联的生命阈值范围R_s4。如果不超过生命阈值范围R_s3和R_s4,则联合决定器212可确认正常生命体征的出现。备选地,如果不超过活动阈值范围R_s1和R_s2的一个,则联合决定器212可确认活动的存在。
备选地,联合决定器212可首先线性结合多个生命指示符,并然后通过比较结果线性组合是否落入预定生命阈值范围来确定是否显示正常生命体征。
步骤1606:通过联合决定器212,通过将生命体征监测的结果分类为反映“到目前还好”的正常片段,概括所监测的对象的当前健康状况。然后方法1600可重复回到步骤102(图1)以继续生命体征监测。
步骤1608:通过联合决定器212,将生命体征监测的当前结果分类为非正常片段,这可导致用于所监测的对象的立即医学关注的警报。
控制器200(图2)可输出关联的报告信号用于报告根据方法1600提供的片段,因此,片段可通过视觉显示(例如,分别用于正常和非正常片段的绿色灯和红色灯和/或经由屏幕的显示图标、文本、动画)和/或通过音频声音,呈现给控制器200的用户(例如,医务人员)。
与图1和图2一起,请参考图17,图示根据本发明的实施例的方法1700;除了方法1600,联合决定器212(图2)还可通过方法1700实现步骤112。方法1700可包含以下步骤。
步骤1702:以从活动a[t]_1和a[t]_P选择的一个或多个活动指示符,以及从生命指征v[t]_1到v[t]_P、fv[t]_1到fv[t]_K和rv[t]_1到rv[t]_N选择的一个生命指示符,开始方法1700。在图17中,指示心率(在图13中讨论的)的派生后的生命指征H[t],以及指示呼吸率(在图14中讨论的)派生后的生命指征R[t]用作为两个生命指示符。
步骤1704:根据每个活动指示符是否超越(超过)活动阈值范围(例如,下限),联合决定器212(图2)确定是否存在活动。如果是,则联合决定器212可进入步骤1706。如果否,则联合决定器212可进入步骤1708。类似于步骤1602(图16),联合决定器212可采用活动指示符,且根据活动指示符是否大于关联的活动阈值范围的下限确定活动的存在。备选地,联合决定器212可借助于多个活动指示符,并根据以下来确定活动的出现:所有活动指示符是否大于关联的活动阈值范围的相应下限;或,多个活动指示符的任何一个是否大于其关联的活动阈值范围的下限;或,活动指示符的组合是否大于关联的活动阈值范围的下限。
步骤1706:通过联合决定器212,指向反映“对象正在运动”的片段。然后方法1700可重复回到步骤102(图2)用于继续监测。
步骤1708:类似于步骤1604(图16),根据每个生命指示符是否位于关联的生命阈值范围内,确定正常生命体征是否出现。如果是,进入步骤1710。如果否,进入步骤1712。联合决定器212可仅仅咨询单个生命指示符,并根据生命指示符是否位于关联的生命阈值范围的下限和上限之间来确定生命体征的出现。备选地,联合决定器212可借助于多个生命指示符,并根据以下来确定生命体征的出现:所有生命指示符是否位于他们关联的生命阈值范围内;或,多个生命指示符的任何一个位于关联的生命阈值范围内;或,生命指示符的组合是否落入关联的生命阈值范围内。与不同的生命指示符关联的生命阈值范围可以相同或不同;例如,两个生命阈值范围的下限和/或上限可以是不同的值。
步骤1710:将生命体征分类为反映“对象具有生命体征”的片段。然后方法1700可重复回到步骤102(图1)以继续监测。
步骤1712:通过联合决定器212,将生命体征监测的结果分类为非正常片段,这可导致所监测的对象的立即医学关注的警报。
步骤1714:继续步骤1702,联合决定器212可根据每个活动指示符是否位于呼吸率可靠性范围内(例如,低于关联的呼吸率可靠性范围的下限)确定所监测的对象的活动是否而位于阈值内。如果是,则联合决定器212可进入步骤1718。如果否,则联合决定器212可进入步骤1716。
步骤1716:指向反映“R[t]是噪声”的片段,即,由派生后的生命指征R[t]提供的当前呼吸率读取可能被活动干扰。
步骤1718:根据派生后的生命指征R[t]是否位于呼吸率范围内来确定呼吸是否正常。从步骤1714到步骤1718,联合决定器212可推断由派生后的生命指征R[t]提供的当前呼吸率读取是可靠的,因为,由于活动的干扰很低。因此,联合决定器212可依赖派生后的生命指征R[t]以正确地确定所监测的对象的呼吸是否正常。如果呼吸正常,则方法1700可反映“呼吸正常”的片段(未示出),并重复回到步骤102(图1);否则,联合决定器212可指向警报片段(未示出)。
步骤1720:继续步骤1702,联合决定器212可根据每个活动指示符是否位于呼吸率可靠性范围(例如,低于关联的呼吸率可靠性范围的下限)确定所监测的对象的活动是否位于阈值。如果是,则联合决定器212可进入步骤1724。如果否,则联合决定器212可进入步骤1722。
步骤1722:指向反映“H[t]是噪声”的片段,即,由派生后的生命指征H[t]提供的当前心率读取可能被活动干扰。
步骤1724:根据派生后的生命指征R[t]是否位于心率范围内来确定心率是否正常。从步骤1720到步骤1724,由于活动的干扰很低,联合决定器212可推断由派生后的生命指征H[t]提供的当前心率读取是可靠的。因此,联合决定器212可依赖派生后的生命指征H[t]以进一步确定所监测的对象的心率是否正常。如果心率正常,则方法1700可反映“心率正常”的片段(未示出),并重复回到步骤102(图1);否则,联合决定器212可指向警报片段(未示出)。
根据步骤1714、1716和1718或1720、1722和1724,要理解,通过利用活动信号,联合决定器212可解释生命指征以确定每个生命指征是否是可靠的或噪声(由于活动的干扰)。通过从步骤1714到1716(或1720到1722)的分支,假警报可有效地避免。在步骤1704、1714和1720,联合决定器212可分别选择活动信号a[t]_1到a[t]_P的相同或不同的子集作为活动指示符。为了侦测超过活动,步骤1716中的呼吸率可靠性范围和步骤1720中的心率可靠性范围可以是不同的或相同的。
总之,本发明提供利用视频信号的自动、远程、无创和有效的生命体征监测,这可以由低成本、不接触、容易利用的视频照相机手动俘获以获得活动信号和生命指征,并且然后统一地借助于分别由活动信号和生命指征提供的不同方面的信息。例如,生命指征可以基于活动信号滤波,以便改进信号质量(例如,信噪比)和生命指征的准确性;和/或,通过联合地考虑生命指征和活动信号,所监测的对象的生命体征状况可以正确地分类为简化的片段,除详细的数字读取外,方便、效率和医务人员的快速响应。
尽管本发明已经依据现在被认为是最实用且优选的实施例来描述,要理解,本发明不需要限制于所公开的实施例。相反,其打算覆盖包含于所附权利要求的精神和范围的各种修改和类似布置,权利要求符合最宽广的解释以便包含所有这样的修改和类似结构。
Claims (17)
1.一种用于生命体征监测的方法,其特征在于,包含:
获取视频信号;
在所述视频信号上执行活动建模以提供活动信号;
在所述视频信号上执行生命指征提取以提供生命指征;
基于所述活动信号,在所述生命指征上执行滤波,以抑制所述活动信号与所述生命指征之间的相关,并相应地提供滤波后的生命指征,所述滤波后的生命指征包含多个通道信号;
在所述多个通道信号上执行独立的成分分析,并因此提供多个成分信号;以及
根据所述多个成分信号提供派生后的生命指征。
2.如权利要求1所述的方法,其特征在于,还包含:
根据所述滤波后的生命指征和所述活动信号是否超过活动阈值范围,提供联合决定以便将生命体征监测的结果分类到多个预定片段的一个。
3.如权利要求1所述的方法,其特征在于,所述在所述生命指征上执行滤波包含:
通过延迟所述活动信号来缓冲多个延迟后的样本;
分别以相同量的加权因数加权所述多个延迟后的样本,并相应地提供加权后的信号;以及
从所述生命指征减去所述加权后的信号以提供所述滤波后的生命指征。
4.如权利要求3所述的方法,其特征在于,还包含:
根据所述滤波后的生命指征调整所述加权因数。
5.如权利要求1所述的方法,其特征在于,所述在所述视频信号上执行生命指征提取以提供生命指征包含:
从所述视频信号的多个帧的每个识别感兴趣区域;以及
在多个感兴趣区域的像素上执行像素操作以提供所述生命指征的样本。
6.如权利要求1所述的方法,其特征在于,还包含:
在所述多个成分信号上执行频谱分析以获得多个频谱;以及
识别所述多个频谱的特性值以提供所述派生后的生命指征的样本。
7.一种用于生命体征监测的方法,其特征在于,包含:
获取视频信号;
在所述视频信号上执行活动建模以提供活动信号;
在所述视频信号上执行生命指征提取以提供生命指征;
基于所述活动信号,在所述生命指征上执行滤波,以抑制所述活动信号与所述生命指征之间的相关,并相应地提供滤波后的生命指征,
提供第一派生后的生命指征,并在所述第一派生后的生命指征上执行信号预处理;
在预处理后的所述第一派生后的生命指征和所述生命指征上执行成分分析以提供多个成分信号;以及
根据所述多个成分信号提供第二派生后的生命指征。
8.如权利要求1或7所述的方法,其特征在于,所述活动建模包含:
从所述视频信号的多个帧的每个中识别感兴趣区域;
在多个感兴趣区域上执行感兴趣区域操作以提供所述活动信号的样本。
9.如权利要求8所述的方法,其特征在于,执行感兴趣区域操作包含以下中的一个:
在不同帧的感兴趣区域之间执行运动估计;
在不同帧的感兴趣区域之间计算区域改变;
在不同帧的感兴趣区域之间加总绝对差值;以及
在不同帧的感兴趣区域之间计算强度的总和的改变。
10.一种生命体征监测控制器,包含:
接口,用于获得视频信号;
活动建模块,用于在所述视频信号上执行活动建模以提供活动信号;
生命指征提取块,在所述视频信号上执行生命指征提取以提供生命指征;
滤波器块,用于基于所述活动信号,在所述生命指征上执行滤波,以抑制所述活动信号与所述生命指征之间的相关,并相应地提供滤波后的生命指征,所述滤波后的生命指征包含多个通道信号;以及
生命指征派生块,用于:在所述通道信号上执行成分分析,并因此提供多个成分信号;以及根据所述多个成分信号提供派生后的生命指征。
11.如权利要求10所述的控制器,其特征在于,还包含:
联合决定器,用于根据所述滤波后的生命指征和所述活动信号是否超过活动阈值范围,提供联合决定用于将生命体征监测的结果分类到多个预定片段的一个。
12.如权利要求10所述的控制器,其特征在于,所述滤波器块包含:
缓冲器,用于缓冲所述活动信号的的多个先前样本;
加权模块,用于分别以相同量的加权因数加权所述多个先前样本,加总多个所述加权后的先前样本,并因此提供加权后的信号的当前样本;以及
算术节点,用于将所述加权后的信号从所述生命指征减去以提供所述滤波后的生命指征。
13.如权利要求12所述的控制器,其特征在于,还包含:
自适应单元,用于根据所述滤波后的生命指征调整所述加权因数。
14.如权利要求10所述的控制器,其特征在于,所述生命指征提取块通过从所述视频信号的多个帧的每个识别感兴趣区域来执行生命指征提取;以及在多个感兴趣区域的像素上执行像素操作以提供所述生命指征的样本。
15.如权利要求10所述的控制器,其特征在于,所述生命指征派生块还用于:
在所述成分信号上执行频谱分析以获得多个频谱;以及
识别所述多个频谱的特性值以提供所述派生后的生命指征的样本。
16.一种生命体征监测控制器,包含:
接口,用于获得视频信号;
活动建模块,用于在所述视频信号上执行活动建模以提供活动信号;
生命指征提取块,在所述视频信号上执行生命指征提取以提供生命指征;
滤波器块,用于基于所述活动信号,在所述生命指征上执行滤波,以抑制所述活动信号与所述生命指征之间的相关,并相应地提供滤波后的生命指征;以及
生命指征派生块,用于:提供第一派生后的生命指征,并在所述第一派生后的生命指征上执行信号预处理;在预处理后的所述第一派生后的生命指征和所述生命指征上执行成分分析以提供多个成分信号;以及根据所述多个成分信号提供第二派生后的生命指征。
17.如权利要求10或16所述的控制器,其特征在于,所述活动建模块通过从所述视频信号的多个帧的每个中识别感兴趣区域来执行所述活动建模;以及在多个感兴趣区域上执行感兴趣区域操作以提供所述活动信号。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/291,420 US9737219B2 (en) | 2014-05-30 | 2014-05-30 | Method and associated controller for life sign monitoring |
US14/291,420 | 2014-05-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105310650A CN105310650A (zh) | 2016-02-10 |
CN105310650B true CN105310650B (zh) | 2018-10-26 |
Family
ID=54700410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410685011.8A Active CN105310650B (zh) | 2014-05-30 | 2014-11-25 | 用于生命体征监测的控制器和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9737219B2 (zh) |
CN (1) | CN105310650B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170008043A (ko) * | 2015-07-13 | 2017-01-23 | 엘지전자 주식회사 | 이동 단말기의 심박/스트레스 측정회로 및 그 측정 방법 |
US11412943B2 (en) | 2016-07-16 | 2022-08-16 | Olesya Chornoguz | Methods and systems for obtaining physiologic information |
US10925496B2 (en) | 2016-07-16 | 2021-02-23 | Alexander Misharin | Methods and systems for obtaining physiologic information |
US10709354B2 (en) * | 2016-09-06 | 2020-07-14 | Photorithm, Inc. | Generating a breathing alert |
US11389119B2 (en) * | 2016-09-06 | 2022-07-19 | Photorithm, Inc. | Generating a breathing alert |
EP3449820B1 (en) * | 2017-08-30 | 2023-05-24 | Qompium | Computer-implemented method and system for direct photoplethysmography (ppg) |
US11311202B2 (en) | 2017-11-14 | 2022-04-26 | Arizona Board Of Regents On Behalf Of Arizona State University | Robust real-time heart rate monitoring method based on heartbeat harmonics using small-scale radar |
US10489911B2 (en) * | 2018-02-08 | 2019-11-26 | Apn Health, Llc | Determining respiratory phase from fluoroscopic images |
US11771380B2 (en) | 2019-03-19 | 2023-10-03 | Arizona Board Of Regents On Behalf Of Arizona State University | Vital sign monitoring system using an optical sensor |
US11783483B2 (en) * | 2019-03-19 | 2023-10-10 | Arizona Board Of Regents On Behalf Of Arizona State University | Detecting abnormalities in vital signs of subjects of videos |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499687A (zh) * | 2011-11-17 | 2012-06-20 | 江苏大学 | 一种基于机器视觉的猪的呼吸频率检测方法及装置 |
CN102549621A (zh) * | 2009-10-06 | 2012-07-04 | 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 |
CN103054569A (zh) * | 2012-12-20 | 2013-04-24 | Tcl集团股份有限公司 | 基于可见光图像测量人体心率的方法、装置及手持设备 |
WO2013061492A1 (ja) * | 2011-10-26 | 2013-05-02 | 株式会社ソニー・コンピュータエンタテインメント | 個体判別装置および個体判別方法 |
CN103127691A (zh) * | 2011-12-01 | 2013-06-05 | 佳能株式会社 | 视频生成装置及方法 |
CN203290905U (zh) * | 2013-05-28 | 2013-11-20 | 天津点康科技有限公司 | 非接触式自动呼吸测量系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4350164A (en) | 1980-06-03 | 1982-09-21 | Allain Jr Joseph L | Portable, life monitor, medical instrument |
IL156556A (en) | 2003-06-19 | 2010-02-17 | Eran Schenker | A system detects life signals |
US20070118054A1 (en) | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
US8323189B2 (en) * | 2006-05-12 | 2012-12-04 | Bao Tran | Health monitoring appliance |
JP2007318280A (ja) * | 2006-05-24 | 2007-12-06 | Matsushita Electric Ind Co Ltd | 画像処理装置 |
GB2494723B (en) | 2008-03-07 | 2013-05-08 | Milwaukee Electric Tool Corp | Visual inspection device |
US20110251493A1 (en) | 2010-03-22 | 2011-10-13 | Massachusetts Institute Of Technology | Method and system for measurement of physiological parameters |
EP2380493A1 (en) | 2010-04-21 | 2011-10-26 | Koninklijke Philips Electronics N.V. | Respiratory motion detection apparatus |
EP2517621A1 (en) | 2011-04-29 | 2012-10-31 | Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO | A radar apparatus for detecting multiple life-signs of a subject, a method and a computer program product |
US9020185B2 (en) | 2011-09-28 | 2015-04-28 | Xerox Corporation | Systems and methods for non-contact heart rate sensing |
-
2014
- 2014-05-30 US US14/291,420 patent/US9737219B2/en active Active
- 2014-11-25 CN CN201410685011.8A patent/CN105310650B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102549621A (zh) * | 2009-10-06 | 2012-07-04 | 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 |
WO2013061492A1 (ja) * | 2011-10-26 | 2013-05-02 | 株式会社ソニー・コンピュータエンタテインメント | 個体判別装置および個体判別方法 |
CN102499687A (zh) * | 2011-11-17 | 2012-06-20 | 江苏大学 | 一种基于机器视觉的猪的呼吸频率检测方法及装置 |
CN103127691A (zh) * | 2011-12-01 | 2013-06-05 | 佳能株式会社 | 视频生成装置及方法 |
CN103054569A (zh) * | 2012-12-20 | 2013-04-24 | Tcl集团股份有限公司 | 基于可见光图像测量人体心率的方法、装置及手持设备 |
CN203290905U (zh) * | 2013-05-28 | 2013-11-20 | 天津点康科技有限公司 | 非接触式自动呼吸测量系统 |
Also Published As
Publication number | Publication date |
---|---|
US20150342535A1 (en) | 2015-12-03 |
US9737219B2 (en) | 2017-08-22 |
CN105310650A (zh) | 2016-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105310650B (zh) | 用于生命体征监测的控制器和方法 | |
Khan et al. | A robust heart rate monitoring scheme using photoplethysmographic signals corrupted by intense motion artifacts | |
Ye et al. | Combining nonlinear adaptive filtering and signal decomposition for motion artifact removal in wearable photoplethysmography | |
Iozzia et al. | Relationships between heart-rate variability and pulse-rate variability obtained from video-PPG signal using ZCA | |
EP3405105B1 (en) | Method and apparatus for estimating heart rate | |
Tang et al. | Separation of heart sound signal from noise in joint cycle frequency–time–frequency domains based on fuzzy detection | |
Schäck et al. | Computationally efficient heart rate estimation during physical exercise using photoplethysmographic signals | |
CN110269600B (zh) | 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法 | |
EP2748762B1 (en) | Distortion reduced signal detection | |
WO2017156084A2 (en) | Systems and methods for non-contact monitoring of ballistocardiogram, photoplethysmogram, blood pressure and abnormal heart rhythm | |
Gudi et al. | Efficient real-time camera based estimation of heart rate and its variability | |
CN105813564A (zh) | 用于确定对象的生命体征的设备和方法 | |
Xu et al. | Photoplethysmography motion artifacts removal based on signal-noise interaction modeling utilizing envelope filtering and time-delay neural network | |
Zhu et al. | MICROST: A mixed approach for heart rate monitoring during intensive physical exercise using wrist-type PPG signals | |
Chan et al. | Respiratory rate estimation using u-net-based cascaded framework from electrocardiogram and seismocardiogram signals | |
AU2013302623A1 (en) | Real-time physiological characteristic detection based on reflected components of light | |
Huang et al. | A motion-robust contactless photoplethysmography using chrominance and adaptive filtering | |
CA3079686A1 (en) | Method of preprocessing and screening auscultatory sound signals | |
Karthick et al. | Analysis of vital signs using remote photoplethysmography (RPPG) | |
JP2023505111A (ja) | 光学データからの生理学的測定のためのシステムおよび方法 | |
Luke et al. | Motion artifact removal and feature extraction from PPG signals using efficient signal processing algorithms | |
Chan et al. | Improving heart rate and heart rate variability estimation from video through a hr-rr-tuned filter | |
Abdulrahaman | Two-stage motion artifact reduction algorithm for rPPG signals obtained from facial video recordings | |
US10779771B2 (en) | Signal processing method and apparatus | |
Arppana et al. | Real time heart beat monitoring using computer vision |
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 |