CN110236511A - 一种基于视频的无创心率测量方法 - Google Patents

Abstract

本发明公开了一种基于视频的无创心率测量方法，采用改进欧拉影像放大方法对人脸脸部的弱信号进行放大便于信号提取；并采用实时性较强、检测率较高的MTCNN人脸检测算法提高人脸检测率，检测速度快，实时性更强；结合G信号作为心率计算的输入信号，提高心率信号准确性，最终实现心率的准确快速无感无创测量，为后续人体血压的实时测量和医疗诊断提供基础。

Description

一种基于视频的无创心率测量方法

技术领域

本发明涉及一种基于视频的无创心率测量方法，属于生理特征精确测量技术领域。

背景技术

高血压是我国的主要疾病之一，当前的血压测量方法主要分为有创测量和无创测量两种，有创测量法是将压力传感器插入动脉血管进行直接测量，对人体血管和皮肤有一定伤害，临床上主要用于重症患者；无创测量法主要包括柯氏音法、示波法、动脉张力测定法、脉搏波测量法等，无创测量法具有操作简单、对人体无伤害等优点，各国的科技工作者都对无创测量法测量血压开展了广泛的研究。与传统接触式血压测量方法相比，非接触式血压测量可以让人们摆脱由各种接触式传感器带来的负担和不适，更可以实现在对人们正常生活不干扰的情况下进行远程血压监测，对于高血压的早期诊断和有效预防具有非常重要的意义。现阶段的非接触式血压测量方法大多数对测量设备要求较高，并且无法彻底摆脱对接触式传感器的依赖。同时目前非接触式血压的测量需要事先测量心率，获得心率的基础上再进行血压的测量，因此准确心率的测量显得十分重要。

目前的心率测量存在很多难点，一是人体皮肤包含的血液仅仅只占人体血管血液的2％-5％左右，人脸皮肤血管的血液流量就更少，这样血液容积的改变来反映人体脉搏的情况十分微弱，在一定程度会造成较大误差，降低测量结果信噪比，从而导致提取到的心率信号强度非常弱；二是目前所有的基于视频的非接触式心率检测技术的测量都是基于人体是处于静止状态的测量，这种状态对于检测可靠稳定的脉搏波信号非常的必要，但在采集视频过程中，人并不可能处于完全静止状态，微小抖动不可避免，由抖动产生的噪声很可能会掩盖所检测的微弱的心率信号，由运动伪差产生的噪声对后期心率信号的信噪比有较大影响，产生运动误差。

目前无创无感测量心率的方法有多种，张琦、许其清、郁汉褀公布的基于视频图像的血压测量方法的专利中公开了一种采集人脸部的视频图像，对视频图像进行空间分解，时域滤波完成心率的测量；由于采集到人体皮肤包含的血液仅仅只占人体血管的所有的2％-5％左右，人脸皮肤血管的血液流量就更少，这样使用血液容积的改变来反映人体脉搏的情况是十分微弱的，在一定程度会造成较大误差，降低测量结果信噪比，同时该专利公开的方案中缺少对弱信号的放大处理。

陈丹丹提出的基于视频的非接触式心率测量研究的论文中通过对获取的视频图像进行图像颜色增加，人脸检测及跟踪，ROI(感兴趣区域，region of interest，下文简称ROI)定位基色分离后，使用色差法得到色差信号，进行时域滤波来测量心率；采用AdaBoost算法中人脸弱特征表示采用的是Haar特征，Haar特征具有计算简单的优点，但其缺点是特征表示能力比较弱，因此在一定程度上容易带来较多的误检。文中提出的基于视频的非接触式心率测量主要是针对一段视频而言，视频处理实时性可满足要求；但实时采集实时处理过程中发现使用颜色增强算法处理较耗时，需改进视频颜色增强算法，实现通过摄像头实时监测人体心率。

许可提的基于肤色图像的非接触式血压测量方法研究是基于成像式光电容积描记(Photoplethysmography,IPPG)原理，通过彩色CCD摄像机采集人体不同部位的肤色图像，然后经过基于改进的Adaboost算法进行肤色的分割和提取，再通过改进的欧拉放大技术处理肤色图像并从中获得人体双路脉搏波信号，测得心率信号。文中采用改进的Adaboost人脸检测检测算法和改进的欧拉影像放大算法。采用AdaBoost算法中人脸弱特征表示采用的是Haar特征，Haar特征具有计算简单的优点，但其缺点是特征表示能力比较弱，因此在一定程度上容易带来较多的误检。

因此急需提供一种能够实现无创无感、实时连续精确测量人体心率特征的方法，为后续人体血压的实时测量和医疗诊断提供基础。

发明内容

本发明要解决的技术问题是提供一种能够实现无创无感、实时连续精确测量人体心率特征的方法，为后续人体血压的实时测量和医疗诊断提供基础。

本发明采用的技术方案是：一种基于视频的无创心率测量方法，包括如下步骤：

S1：使用具备摄像功能的装置对待测人脸进行视频图像采集；

S2：采用改进欧拉影像放大算法对步骤S1中采集到的视频图像进行颜色变化放大；

S3：利用人脸检测算法MTCN对经过步骤S2颜色变化放大的视频图像进行人脸图像的采集；

S4：对步骤S3中获得的人脸图像进行RGB三通道分离，提取G通道的时间序列信号，具体提取方式如式(1)：

式(1)中，i表示第i帧图像，P_i表示第i帧人脸图像区域的g通道归一化像素的平均值，I_jk表示第i帧图像ROI区域第j行k列的像素值，m，n分别为 ROI人脸区域的行数、列数；

S5、对步骤S4中提取的G通道的信号采用平滑先验方法去趋势项并做归一化处理；

S6、对经步骤S5处理后的信号进行经验模态分解，实现信号去噪处理；

S7、对经步骤S6处理后信号通过滤波器进行滤波，对滤波后的信号进行傅里叶变换获得人体心率的频率分量f_{heart_rate}，该频率分量乘以60获得人体心率。

所述步骤S1中，所述具备摄像功能的装置包括手机、相机、或带有摄像头的其它装置，对人脸进行视频图像采集时摄像头距离待测人脸50cm-60cm。

所述步骤S2中采用的改进欧拉影像放大算法对视频图像进行颜色变化放大的放大倍数取值50，频段取值0.83-1.0。

所述步骤S5中使用的平滑先验方法的平滑参数取值10，截至频率为 0.059Hz，归一化处理的公式如式(2)：

式中x(t)为归一化后的信号，P_i′为去趋势项后的信号,u为P_i′的均值,为P_i′的标准差。

所述步骤S7中使用的滤波器为巴特沃斯带通滤波器，其频带为1Hz-3Hz，阶次为10。

与现有技术相比本发明具备以下优点：本发明采用改进欧拉影像放大方法对人脸脸部的弱信号进行放大便于信号提取；并采用实时性较强、检测率较高的 MTCNN人脸检测算法提高人脸检测率，检测速度快，实时性更强；结合G信号作为心率计算的输入信号，提高心率信号准确性，最终实现心率的准确快速无感无创测量，为后续人体血压的实时测量和医疗诊断提供基础。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种基于视频的无创心率测量方法，包括如下步骤：

S1：使用具备摄像功能的装置对待测人脸进行视频图像采集；所述具备摄像功能的装置包括手机、相机、或带有摄像头的其它装置，对人脸进行视频图像采集时摄像头距离待测人脸50cm-60cm，实际操作时需在光源充足的条件下进行。

S2：采用改进欧拉影像放大算法对步骤S1中采集到的视频图像进行颜色变化放大；颜色变化放大的放大倍数取值50，频段取值0.83-1.0，采集的图像经过欧拉影像放大算法对颜色变化进行放大目的是便于获取人体皮肤发生细微周期性变化的心率信号。

S3：利用人脸检测算法MTCNN对经过步骤S2颜色变化放大的视频图像进行人脸图像的采集；人脸检测算法MTCNN实时性较强、检测率较高，能够提高人脸检测率。

S4：当步骤S3中采集到的人脸图像达到300张时，对步骤S3中获得的人脸图像进行RGB三通道分离，提取G通道的时间序列信号，具体提取方式如式 (1)：

式(1)中，i表示第i帧图像，P_i表示第i帧人脸图像区域的g通道归一化像素的平均值，I_jk表示第i帧图像ROI区域第j行k列的像素值，m，n分别为 ROI人脸区域的行数、列数。

S5、对步骤S4中提取的G通道的信号采用平滑先验方法去趋势项并做归一化处理；其中平滑先验方法的平滑参数取值10，截至频率为0.059Hz，归一化处理的公式如式(2)：

式中x(t)为归一化后的信号，P_i′为去趋势项后的信号,u为P_i′的均值,为P_i′的标准差。

S6、对经步骤S5处理后的信号进行经验模态分解，经验模态分解方法是将复杂信号分解为有限个本征模函数，所分解出的各有限个本征模函数(即 Intrinsic ModeFunction下文简称IMF)包含了原信号的不同时间尺度的局部特征信号，除去较高频率的IMF，选择剩余的的IMF信号求和完成信号的重构，运用经验模态的目的是对归一化后信号进行去噪处理。

S7、对经步骤S6处理后信号通过频带为1Hz-3Hz，阶次为10巴特沃斯带通滤波器进行滤波，对滤波后的信号进行傅里叶变换获得人体心率的频率分量 f_{heart_rate}，该频率分量乘以60获得人体心率。

本发明采用改进欧拉影像放大方法对人脸脸部的弱信号进行放大便于信号提取；并采用实时性较强、检测率较高的MTCNN人脸检测算法提高人脸检测率，检测速度快，实时性更强；结合G信号作为心率计算的输入信号，提高心率信号准确性，最终实现心率的准确快速无感无创测量，为后续人体血压的实时测量和医疗诊断提供基础。

Claims (5)

1.一种基于视频的无创心率测量方法，其特征在于：包括如下步骤：

S1：使用具备摄像功能的装置对待测人脸进行视频图像采集；

S2：采用改进欧拉影像放大算法对步骤S1中采集到的视频图像进行颜色变化放大；

S3：利用人脸检测算法MTCNN对经过步骤S2颜色变化放大的视频图像进行人脸图像的采集；

S4：对步骤S3中获得的人脸图像进行RGB三通道分离，提取G通道的时间序列信号，具体提取方式如式(1)：

式(1)中，i表示第i帧图像，P_i表示第i帧人脸图像区域的g通道归一化像素的平均值，I_jk表示第i帧图像的感兴趣区域第j行k列的像素值，m，n分别为ROI人脸区域的行数、列数；

S5、对步骤S4中提取的G通道的信号采用平滑先验方法去趋势项并做归一化处理；

S6、对经步骤S5处理后的信号进行经验模态分解，实现信号去噪处理；

S7、对经步骤S6处理后信号通过滤波器进行滤波，对滤波后的信号进行傅里叶变换获得人体心率的频率分量f_{heart_rate}，该频率分量乘以60获得人体心率。

2.根据权利要求1所述的基于视频的无创心率测量方法，其特征在于：所述步骤S1中，所述具备摄像功能的装置包括手机、相机、或带有摄像头的其它装置，对人脸进行视频图像采集时摄像头距离待测人脸50cm-60cm。

3.根据权利要求1所述的基于视频的无创心率测量方法，其特征在于：所述步骤S2中采用的改进欧拉影像放大算法对视频图像进行颜色变化放大的放大倍数取值50，频段取值0.83-1.0。

4.根据权利要求1所述的基于视频的无创心率测量方法，其特征在于：所述步骤S5中使用的平滑先验方法的平滑参数取值10，截至频率为0.059Hz，归一化处理的公式如式(2)：

式中x(t)为归一化后的信号，P_i′为去趋势项后的信号,u为P_i′的均值,为P_i′的标准差。

5.根据权利要求1所述的基于视频的无创心率测量方法，其特征在于：所述步骤S7中使用的滤波器为巴特沃斯带通滤波器，其频带为1Hz-3Hz，阶次为10。