CN109247944A - 一种基于低端彩色相机的非接触式血氧饱和度检测方法 - Google Patents
一种基于低端彩色相机的非接触式血氧饱和度检测方法 Download PDFInfo
- Publication number
- CN109247944A CN109247944A CN201811004478.6A CN201811004478A CN109247944A CN 109247944 A CN109247944 A CN 109247944A CN 201811004478 A CN201811004478 A CN 201811004478A CN 109247944 A CN109247944 A CN 109247944A
- Authority
- CN
- China
- Prior art keywords
- blood oxygen
- oxygen saturation
- wave signal
- pulse wave
- signal
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—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
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于低端彩色相机的非接触式血氧饱和度检测方法,主要解决在现实场景下非接触式血氧饱和度检测的准确度问题,其实现过程是:(1)控制摄像头采集12s正对人脸的视频;(2)对采集的视频进行人脸检测,得到稳定的人脸视频;(3)利用自适应噪声对消技术从人脸视频中提取出较好的脉搏波信号;(4)计算脉搏波信号的直流分量IDC和交流分量IAC;(5)通过朗伯‑比尔定律和光散射理论,利用双波长法估计出血氧饱和度。本发明通过自适应噪声对消技术消除了头部晃动和光照变化带来的干扰,而后进行双波长法的血氧饱和度估计,提高了血氧饱和度检测的准确度,可用于合作与非合作现实场景下的非接触式血氧饱和度检测。
Description
技术领域
本发明属于视频图像处理领域,主要涉及现实场景下的非接触式血氧饱和 度检测技术,适用于医疗环境中的血氧饱和度远程测量。
背景技术
血氧饱和度是指人体血液中被氧结合的血红蛋白容量占总血红蛋白容量的 百分比。血氧饱和度能够有效的反映人体的循环系统和呼吸系统的状态,在健 康监护方面和病情诊断中有着重要作用。传统的血氧饱和度检测分为有创法和 无创法两种,有创法是使用物理化学方法,检测采取的血样中的氧气含量,这 种方法虽能准确测量血氧饱和度,但是容易给使用者造成痛苦或者感染,并且 不能提供连续的血氧饱和度值;无创法以脉搏血氧仪为主,需要被测部位与测 量设备紧密贴合,不能有相对运动,对于大面积烧伤或者肢体抽搐型病人,这 种接触式测量方法明显是不适用的。由于以上传统方法的局限性,研究一种非 接触式血氧饱和度检测方法就显得尤为重要。由于成像式光电容积描记技术 (IPPG)的迅速发展,国内外学者开始研究基于成像设备的血氧饱和度检测方 法,目前非接触式血氧饱和度检测方法主要是利用双摄像头加滤光片实现,这样 虽能测得较为准确的血氧饱和度值,但是实验设备昂贵,操作复杂,不利于日 常健康监测。
由于科技时代的迅速发展,现在的人们几乎都会使用笔记本电脑,智能手 机,这些设备都自带彩色相机,通过IPPG技术利用这些低端彩色相机测量血氧 饱和度的已被证实是可行的,只是由于这些彩色相机的分辨率较低,灵敏度较 弱,测量结果受噪声干扰影响较大(主要是头部晃动、光照变化等),而本发明 方法采用的自适应噪声对消技术能有效消除头部晃动、光照变化带来的干扰, 得到干净的脉搏波信号,从而提高现实场景下血氧饱和度测量的准确度。该方 法证明与接触式的脉搏血氧仪的测量结果具有良好的一致性,鲁棒性较高。
发明内容
基于此,本发明提出了一种基于低端彩色相机的非接触式血氧饱和度检测 方法,主要解决在现实场景下非接触式血氧饱和度检测的准确度问题。
根据本发明的目的,提供一种基于低端彩色相机的非接触式血氧饱和度检 测方法,所述方法包括,
S1、采集人脸视频数据;
S2、根据视频数据得到红色通道脉搏波信号IR和绿色通道的脉搏波信号IG;
S3、分别计算所述脉搏信号IR和脉搏波信号IG的直流分量和交流分量,并根据 朗伯-比尔定律和光散射理论,利用双波长法估计出血氧饱和度。
进一步的,所述S2还包括如下步骤,
S2.1、将脉搏波信号I(n)作为输入信号,滤波器阶数设置为12,
I(n)=IP(n)+IN(n),
其中,IP(n)表示纯净的脉搏波信号,IN(n)表示噪声信号,
S2.2、经过Z秒延时后,
I(n+Z)=IP(n+Z)+IN(n+Z),
S2.3、输出信号y(n)为滤波器的权重向量w与I(n)的卷积,即
y(n)=I(n)w,
其中w=[w0,w1…w11]T,I(n)=[I(n),I(n-1)…I(n-11)],符号T表示向量的转置;误差信号与e(n)为I(n+Z)与y(n)之间的差值为,
e(n)=I(n+z)-y(n),
S2.4、建立数学模型,使得最小化e(n),数学模型为:
加权矢量w的调整是在LMS(Least Mean Square)算法的指导下更新和反馈的迭代过程,w不断变化以使e(n)的均方最小直到达到最大迭代次数N,即I(n)的 长度,e(n)的均方表达式为
J(n)=E[|e(n)|2],
通过瞬时梯度的方法找到上式的最小值,实现权向量w的自适应估计,
S2.5、根据上述过程,分别得到纯净的红色通道脉搏波信号IR和纯净的绿色通 道的脉搏波信号IG。
进一步的,所述S3还包括如下步骤,
S3.1、分别计算红色通道脉搏波信号IR的直流分量阳交流分量绿色通道脉搏波信号IG的直流分量和交流分量
S3.2、根据朗伯-比尔定律和光散射理论可知,血氧饱和度(blood oxygensaturation,SPO2),
SPO2=A+R*B,
其中A、B是经验常数,可以通过定边确定,
本发明的有益效果:
本发明通过自适应噪声对消技术消除了头部晃动和光照变化带来的干扰, 而后进行双波长法的血氧饱和度估计,提高了血氧饱和度检测的准确度,可用 于合作与非合作现实场景下的非接触式血氧饱和度检测。
附图说明
图1:本发明方法的流程图;
图2:本发明的人脸区域检测与跟踪示意图;
图3:本发明的自适应噪声对消技术原理图;
图4:本发明的运动时处理前后的波形图对比图;
图5:本发明的正常状态下血氧饱和度测量结果图;
图6:本发明的屏息状态下血氧饱和度测量结果图
具体实施方式
下面结合附图对本申请作进一步详细描述,有必要在此指出的是,以下具 体实施方式只用于对本申请进行进一步的说明,不能理解为对本申请保护范围 的限制,该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的 改进和调整。
实施例1.
结合图1至图4,给出本发明的一种基于低端彩色相机的非接触式血氧饱和 度检测方法,具体包括如下步骤:
S1、采集人脸视频数据。
在本发明中,将一台安装了普通网络摄像头(摄像机型号为Logitech HD 1080P)的电脑放在人的正前方50cm处,保持人脸正对摄像头保证人脸完全处 于视频中,录制的视频为640×480的分辨率、30帧/秒的帧率和RGB彩色空间, 录制时间为12秒,格式保存为AVI格式,通过Matlab2016b软件处理,运行环 境为win7系统。
用人脸检测器Viola-Jones识别视频图像中的人脸区域,用DRMF方法检测 面部的66个特征点,并借助Kanede-Lucas-Tomasi算法跟踪视频中脸部特征点 的运动轨迹
S2、根据视频数据得到红色通道脉搏波信号IR和绿色通道的脉搏波信号IG。
在本步骤中,主要包括了如下步骤:
S2.1、将脉搏波信号I(n)作为输入信号,滤波器阶数设置为12,由于视频 是在现实场景下录制,视频里包含如人脸晃动、光照变化等干扰噪声,因此I(n) 可以写成如下形式:
I(n)=IP(n)+IN(n),
其中,IP(n)表示纯净的脉搏波信号,IN(n)表示噪声信号,
S2.2、经过Z秒延时后,I(n+Z)可以写成如下形式,
I(n+Z)=IP(n+Z)+IN(n+Z),
S2.3、输出信号y(n)为滤波器的权重向量w与I(n)的卷积,即
y(n)=I(n)w,
其中w=[w0,w1…w11]T,I(n)=[I(n),I(n-1)…I(n-11)],符号T表示向量的 转置;误差信号与e(n)为I(n+Z)与y(n)之间的差值为,
e(n)=I(n+z)-y(n),
S2.4、建立数学模型,使得最小化e(n),数学模型为:
加权矢量w的调整是在LMS(Least Mean Square)算法的指导下更新和反馈 的迭代过程,w不断变化以使e(n)的均方最小直到达到最大迭代次数N,即I(n) 的长度,e(n)的均方表达式为
J(n)=E[|e(n)|2],
通过瞬时梯度的方法找到上式的最小值,实现权向量w的自适应估计,
在本步骤中,脉搏波信号IP(n)经过Z秒延时以后得到IP(n+Z),由于脉搏 波信号在短时间内稳定且是准周期信号,因此IP(n)与IP(n+Z)是相关的。而噪 声信号IN(n)经过Z秒延时以后得到IN(n+Z),由于环境影响产生的噪声往往是 非周期信号,因此IN(n)与IN(n+Z)是不相关的,因此通过自适应滤波器调整其 加强系数w(n),在最小均方误差的意义下输出信号y(n)越接近IP(n),误差信 号e(n)越接近噪声信号IN(n)。因此现在的重点就是找到合适的w来最小化 e(n)。
上述的具体迭代过程为:
具体迭代过程:
步骤1:初始化,n=0
权向量:w(0)=0
误差估计:e(0)=I(Z)-y(0)=I(Z)
输入信号:I(0)=[I(0),I(-1)…I(-11)]=[I(0),0…0]
步骤2:对n=(0,1,2…N)
权向量的更新:w(n+1)=w(n)+μ[I(n)]Te(n)
期望信号的估计:y(n+1)=I(n+1)w(n+1)
误差信号的估计:e(n+1)=I(n+1)-y(n+1)
步骤3:令n=n+1,转到步骤2。
其中μ为迭代的步长。
S2.5、根据S2.1至步骤S2.4,分别得到纯净的红色通道脉搏波信号IR和纯 净的绿色通道的脉搏波信号IG。
S3、分别计算所述脉搏信号IR和脉搏波信号IG的直流分量和交流分量,并 根据朗伯-比尔定律和光散射理论,利用双波长法估计出血氧饱和度。
S3.1、分别计算红色通道脉搏波信号IR的直流分量和交流分量绿色 通道脉搏波信号IG的直流分量和交流分量
S3.2、根据朗伯-比尔定律和光散射理论可知,血氧饱和度(blood oxygensaturation,SPO2),
SPO2=A+R*B,
其中A、B是经验常数,可以通过定边确定,
实施例2.
结合图4至图6,图4给出了运动时处理前后的波形图对比效果图,在本实 施例中,选取身体健康的志愿者8名,年龄21~40岁,其中3名女性,5名男性。 实验过程为:让志愿者坐在摄像头正前方约50cm处,呼吸畅通,心情愉悦,头 部及面部处于舒适的放松状态(头部可以有晃动,面部可以有微表情变化),实 验环境为自然光线下,室温为25度,录制视频时长为12秒,同时用接触式脉 搏血氧仪记录志愿者的血氧饱和度值作为真实值(如图5)。
选取一名志愿者,性别男,年龄25岁,进行屏息实验。实验过程为:志愿 者坐在摄像头前方50cm处,头部和面部处于舒适的放松状态(头部可以晃动, 面部可以有微表情),实验环境为自然光线下,室温为25度,录制时间为50秒, 前20秒志愿者处于正常呼吸状态,从21秒开始志愿者开始进行屏息实验,直 到视频录制结束,同时用接触式脉搏血氧仪记录志愿者的血氧饱和度值作为真 实值(如图6)。
由图可知,本发明方法测得的血氧饱和度值与血氧仪的测量值具有良好的 一致性,鲁棒性较高。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域 的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和 改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附 权利要求为准。
Claims (3)
1.一种基于低端彩色相机的非接触式血氧饱和度检测方法,其特征在于,所述方法包括,
S1、采集人脸视频数据;
S2、根据视频数据得到红色通道脉搏波信号IR和绿色通道的脉搏波信号IG;
S3、分别计算所述脉搏信号IR和脉搏波信号IG的直流分量和交流分量,并根据朗伯-比尔定律和光散射理论,利用双波长法估计出血氧饱和度。
2.根据权利要求1所述的非接触式血氧饱和度检测方法,其特征在于,所述S2还包括如下步骤,
S2.1、将脉搏波信号I(n)作为输入信号,滤波器阶数设置为12,
I(n)=IP(n)+IN(n),
其中,IP(n)表示纯净的脉搏波信号,IN(n)表示噪声信号;
S2.2、经过Z秒延时后,
I(n+Z)=IP(n+Z)+IN(n+Z);
S2.3、输出信号y(n)为滤波器的权重向量w与I(n)的卷积,即
y(n)=I(n)w,
其中w=[w0,w1…w11]T,I(n)=[I(n),I(n-1)…I(n-11)],符号T表示向量的转置;误差信号与e(n)为I(n+Z)与y(n)之间的差值为,
e(n)=I(n+z)-y(n);
S2.4、建立数学模型,使得最小化e(n),数学模型为:
加权矢量w的调整是在LMS(Least Mean Square)算法的指导下更新和反馈的迭代过程,w不断变化以使e(n)的均方最小直到达到最大迭代次数N,即I(n)的长度,e(n)的均方表达式为
J(n)=E[|e(n)|2],
通过瞬时梯度的方法找到上式的最小值,实现权向量w的自适应估计,
S2.5、根据前述步骤,分别得到纯净的红色通道脉搏波信号IR和纯净的绿色通道的脉搏波信号IG。
3.根据权利要求1所述的非接触式血氧饱和度检测方法,其特征在于,所述S3还包括如下步骤,
S3.1、分别计算红色通道脉搏波信号IR的直流分量和交流分量绿色通道脉搏波信号IG的直流分量和交流分量
S3.2、根据朗伯-比尔定律和光散射理论可知,血氧饱和度(blood oxygensaturation,SPO2),
SPO2=A+R*B,
其中A、B是经验常数,可以通过定边确定,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811004478.6A CN109247944A (zh) | 2018-08-30 | 2018-08-30 | 一种基于低端彩色相机的非接触式血氧饱和度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811004478.6A CN109247944A (zh) | 2018-08-30 | 2018-08-30 | 一种基于低端彩色相机的非接触式血氧饱和度检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109247944A true CN109247944A (zh) | 2019-01-22 |
Family
ID=65049882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811004478.6A Pending CN109247944A (zh) | 2018-08-30 | 2018-08-30 | 一种基于低端彩色相机的非接触式血氧饱和度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109247944A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112580410A (zh) * | 2019-09-30 | 2021-03-30 | 梅州市青塘实业有限公司 | 一种马桶以及基于马桶的心率采集方法和装置 |
CN112890792A (zh) * | 2020-11-25 | 2021-06-04 | 合肥工业大学 | 一种基于网络摄像头的云计算心血管健康监护系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201104882Y (zh) * | 2007-12-05 | 2008-08-27 | 沈阳东软医疗系统有限公司 | 一种血氧饱和度测量装置 |
CN101433463A (zh) * | 2008-12-19 | 2009-05-20 | 北京航空航天大学 | 一种血氧饱和度检测方法 |
CN103006238A (zh) * | 2013-01-07 | 2013-04-03 | 天津大学 | 一种测量血氧饱和度的方法 |
CN103826532A (zh) * | 2011-08-22 | 2014-05-28 | Isis创新有限公司 | 生命体征的远程监控 |
CN105310697A (zh) * | 2014-07-28 | 2016-02-10 | 深圳先进技术研究院 | 测量血氧饱和度的方法及装置 |
CN107510461A (zh) * | 2017-07-07 | 2017-12-26 | 广州医软智能科技有限公司 | 组织活力、血氧变化及血氧饱和度检测方法及智能终端 |
-
2018
- 2018-08-30 CN CN201811004478.6A patent/CN109247944A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201104882Y (zh) * | 2007-12-05 | 2008-08-27 | 沈阳东软医疗系统有限公司 | 一种血氧饱和度测量装置 |
CN101433463A (zh) * | 2008-12-19 | 2009-05-20 | 北京航空航天大学 | 一种血氧饱和度检测方法 |
CN103826532A (zh) * | 2011-08-22 | 2014-05-28 | Isis创新有限公司 | 生命体征的远程监控 |
CN103006238A (zh) * | 2013-01-07 | 2013-04-03 | 天津大学 | 一种测量血氧饱和度的方法 |
CN105310697A (zh) * | 2014-07-28 | 2016-02-10 | 深圳先进技术研究院 | 测量血氧饱和度的方法及装置 |
CN107510461A (zh) * | 2017-07-07 | 2017-12-26 | 广州医软智能科技有限公司 | 组织活力、血氧变化及血氧饱和度检测方法及智能终端 |
Non-Patent Citations (1)
Title |
---|
龚渝顺等: "动态环境血氧饱和度监测的运动干扰分离自适应对消方法", 《航天医学与医学工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112580410A (zh) * | 2019-09-30 | 2021-03-30 | 梅州市青塘实业有限公司 | 一种马桶以及基于马桶的心率采集方法和装置 |
CN112890792A (zh) * | 2020-11-25 | 2021-06-04 | 合肥工业大学 | 一种基于网络摄像头的云计算心血管健康监护系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104662584B (zh) | 运动鲁棒的生命信号监测 | |
US9185353B2 (en) | Removing environment factors from signals generated from video images captured for biomedical measurements | |
CN105636506B (zh) | 用于远程光体积描记法的自动相机调节 | |
CN107358220A (zh) | 一种人体心率与呼吸的非接触式测量方法 | |
CN108366759A (zh) | 用于提取生理信息的设备、系统和方法 | |
Feng et al. | Motion artifacts suppression for remote imaging photoplethysmography | |
Yang et al. | Vital sign estimation from passive thermal video | |
CN109977858A (zh) | 一种基于图像分析的心率检测方法及装置 | |
Chatterjee et al. | Real-time respiration rate measurement from thoracoabdominal movement with a consumer grade camera | |
JPWO2016104538A1 (ja) | 呼吸状態推定装置、携帯機器、装着型デバイス、プログラム、媒体、呼吸状態推定方法及び呼吸状態推定器 | |
CN109247944A (zh) | 一种基于低端彩色相机的非接触式血氧饱和度检测方法 | |
CN107616795A (zh) | 一种基于摄像头的非接触式实时呼吸率检测方法 | |
Luguern et al. | Remote photoplethysmography combining color channels with SNR maximization for respiratory rate assessment | |
Gwak et al. | Motion-based respiratory rate estimation with motion artifact removal using video of face and upper body | |
Moço et al. | Impairing factors in remote-ppg pulse transit time measurements on the face | |
Braun et al. | Contactless respiration monitoring in real-time via a video camera | |
Sinhal et al. | Estimating vital signs through non-contact video-based approaches: A survey | |
Wiede et al. | Signal fusion based on intensity and motion variations for remote heart rate determination | |
Lin et al. | Step count and pulse rate detection based on the contactless image measurement method | |
CN113456042A (zh) | 一种基于3d cnn的无接触面部血压测量方法 | |
Wu et al. | Peripheral oxygen saturation measurement using an RGB camera | |
Chatterjee et al. | Real-time visual respiration rate estimation with dynamic scene adaptation | |
Dautov et al. | On the effect of face detection on heart rate estimation in videoplethysmography | |
CN115381444A (zh) | 血氧饱和度快速检测方法 | |
Jakkaew et al. | An approach to non-contact monitoring of respiratory rate and breathing pattern based on slow motion images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190122 |
|
WD01 | Invention patent application deemed withdrawn after publication |