CN110866498B - 一种心率监测方法 - Google Patents
一种心率监测方法 Download PDFInfo
- Publication number
- CN110866498B CN110866498B CN201911116243.0A CN201911116243A CN110866498B CN 110866498 B CN110866498 B CN 110866498B CN 201911116243 A CN201911116243 A CN 201911116243A CN 110866498 B CN110866498 B CN 110866498B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- value
- face image
- frequency signal
- face
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 230000002708 enhancing effect Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 7
- 239000011521 glass Substances 0.000 claims description 6
- 210000003128 head Anatomy 0.000 claims description 6
- 210000001061 forehead Anatomy 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 210000004373 mandible Anatomy 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种心率监测方法，所述方法包括从摄像头或视频中实时采集图像帧，检测人脸图像；对人脸头像进行跟踪和定位；利用人脸图像自适应兴趣区选择与追踪算法选择人脸头像的兴趣区域；基于权值可变的加权方式进行心率计算；异常心率值计算。本发明利用对人脸图像进行自适应的兴趣区域选择，可以灵活的选择兴趣区域，可以排除受干扰区域，根据待检测的人的面部特征选择准确的兴趣区域；利用对人脸图像的兴趣区域HSV信号进行自动的信道选择，并利用信号增强算法对通过带通滤波器的信号进行增强，以减少噪声影响。
Description
技术领域
本发明涉及生物医学工程技术领域，特别涉及一种便携式心率监测装置及其心率监测方法。
背景技术
随着科技技术的飞速发展，越来越多的计算机理论知识应用到了医学领域，用于医疗诊断和日常健康监测等各个环节，为医学的进步发挥了强大的辅助作用。心率是反映人体健康状况的指标之一，也是判断心血管疾病最基本的生理指标之一。近几年，视频图像处理涉及到医学领域，应用于医疗诊断和日常健康监测等各个环节，尤其是应用到了心率诊断及异常心率的监测。
文献1“基于普通摄像头的心率测量方法研究”，发表于《计算机工程与应用》的论文，描述了利用普通摄像头采集人脸图像，利用小波滤波获得血液容积脉搏波，然后利用傅里叶变换进行能量谱分析与心率计算等。
文献2是中国专利申请公开号为CN107330945A，发明名称为“一种基于视频的快速心率检测方法与流程”，采用视频采集、数据预处理、多线程运算和心率检测的流程完成基于视频的快速心率计算。
文献3是中国专利申请公开号为CN107822617A，发明名称为“一种基于WiFi信号的心率异常检测方法”,利用接受室内WiFi路由器的无线信号提取出信道状态信息，然后预处理后提取心率曲线特征，通过建立心率失常指标，利用获取的心率曲线数据与心率失常数据比对与建模，完成异常心率的检测。
文献4“基于视频的心率测量算法研究”，发表于《计算机工程与应用》的论文，对输入视频进行人脸定位与特征点跟踪，将特征点区域转换为时域信号，对信号进行放大滤波处理，得到心率值等。
以上现有技术都是使用摄像头或视频的基于人脸图像的心率监测，在稳定性、鲁棒性和测量准确性上都有一定的问题，受外界环境的影响很大，如光照的明暗变化大时，测量结果明显不稳定，光线过暗时，测量结果不准确。利用整张人脸的RGB变化明显不如局部区域的RGB变化效果好，基于RGB空间的变化提取心率效果不如基于HSV空间的提取效果。同时，不同人脸区域可能有一些遮挡，如眼镜、胡子和刘海等，需要避免采用这些区域。人体剧烈运行时，测量结果也不准确。心率值是一段时间内的多次计算结果的拟合，拟合方法不同对结果影响较大，目前大都是采用同权平均的方式，不能刻画那一时间段的心率实时变化的趋势，同时异常的心率值(过大或过小)也将对平均心率值产生较大影响，直接导致心率测量值的稳定性。
发明内容
有鉴于此，为了解决现有技术的问题，本发明提供了一种便携式心率监测装置及其心率监测方法。本发明主要立足解决基于摄像头的人脸图像的心率监测的稳定性、鲁棒性和准确性上，提出相应的人脸图像自适应兴趣区域选择方法、兴趣区域RGB信号的预处理与增强方法、基于权值可变的实时动态心率计算方法以及异常心率值的计算方法等。
本发明的技术方案如下：
第一方面，本发明提供一种心率监测方法，包括：
步骤S1、从摄像头或视频中实时采集图像帧，检测人脸图像；
步骤S2、对人脸图像进行跟踪和定位；
步骤S3、利用人脸图像自适应兴趣区选择与追踪算法选择人脸头像的兴趣区域；
步骤S4、基于权值可变的加权方式进行心率计算；
步骤S5、异常心率值计算。
进一步的，所述步骤S1是根据人脸检测算法检测人脸图像的，具体为利用包含81个特征点的人脸检测框架Dlib库检测出人脸图像。
进一步的，所述步骤S3包括：
步骤S301、判断人脸图像是否带眼镜，如果没有带眼镜则选择包括左右眼的矩形区域为兴趣区域，如果有带眼镜则判断人脸图像是否有刘海，如果没有刘海则选择前额矩形区域为兴趣区域，如果有刘海则判断人脸图像是否有胡须，如果没有胡须则选择下颌矩形区域为兴趣区域，如果有胡须则最后选择左脸颊与右脸颊的可见部分的矩形区域为兴趣区域；
步骤S302、对选择的兴趣区域的RGB空间到HSV空间的变换，对S与V分量进行加权求平均，得到对应兴趣区域的平均S值与V值，对人脸图像的兴趣区域的HSV空间的S与V信号进行非滤波范围值过滤，并利用信号增强算法对通过带通滤波器的信号进行增强处理。
进一步的，所述步骤S302具体包括：
步骤S3021、根据人脸兴趣区域的S值与V值，利用加权的方法，得到兴趣区域的这两个信道的加权平均值；
步骤S3022、移除该信道对应的信号signal的线性趋势，然后取分段均值化；
步骤S3023、利用带通滤波器过滤掉兴趣区域的指定的低频信号与高频信号，得到与心率相关的中间频率信号；
步骤S3024、利用Gabor滤波增强步骤S3023中得到的中间频率信号；
步骤S3025、利用一维傅里叶变换，把步骤S3024得到的中间频率信号转换到频域空间。
进一步的，所述步骤S3021中S值与V值的权重在训练中自适应调整。
进一步的，所述步骤S3023中低频信号、高频信号和中间频率信号的定义为：频率小于0.8HZ的频段为低频信号，频率大于2.3HZ的频段为高频信号，0.8HZ-2.3HZ之间的为中间频率信号。
进一步的，所述的步骤S4包括实时心率计算和平均心率计算。
进一步的，所述的实时心率计算方法为：
计算一段时间内的波峰的个数，得到对应的心率值，即首先计算fft的峰值出现的时间序号max_idx＝fft.argmax()以及bps＝freqs[max_idx]，最后得到bpm＝bps*60.0
其中：
bpm表示每分钟的心跳次数；
bps表示每秒钟的心跳次数；
max_idx表示：波峰出现的时间序号；
fft.argmax()表示：fft频率波的波峰；
freqs[max_idx]表示：波峰出现的个数。
进一步的，所述的平均心率计算公式为：
其中：sim(t,σ)表示时刻t与σ的心率值的相似性；
t-σ表示两个时刻的时间上的差距；
bmp(t)表示t时刻的心率值。
进一步的，所述的异常心率值计算方法包括：
步骤S501、选择最近n个心率值，记为bpm_hist，n大于1；
步骤S502、把bpm_hist序列值平均分割成三段，每段包含n/3个心率值，计算每段的平均值，分别记为bpm1，bpm2，bpm3；
步骤S503、如果(bpm2-bpm1)>t1并且(bpm3-bpm2)>t1，则为异常标记flag_abnorm，转至步骤S504，否则退出；t1为正常心率变化阈值，可根据需要设定；
步骤S504、如果(bpm3-bpm1)>0，则异常心率值的计算公式为：tensorvalue0＝(a1*(bpm3-bpm2)+a2*(bpm2-bpm1)+a3*(bpm3-bpm1))/1.5，输出异常心率值计算结果；
其中：a1>a2>a3且a1+a2+a3＝1；
步骤S505、输出紧张度，即tensorvalue＝round(tensorvalue0)，如果tensorvalue0>＝10，则tensorvalue值取9。
进一步的，n的取值优选为3的倍数。
第二方面，本发明提供一种便携式心率监测装置，其特征在于：包括获取模块、追踪模块、选择模块和计算模块；
获取模块：从摄像头或视频中实时采集图像帧，获取人脸图像，将获取的人脸图像传送给追踪模块；
追踪模块：用于对取得的人脸图像进行定位与跟踪；
选择模块：用于选择人脸图像的兴趣区域；
计算模块：基于权值可变的方式进行心率计算和异常心率值的技术。
本发明的有益效果在于：
本发明利用对人脸图像进行自适应的兴趣区域选择，可以灵活的选择兴趣区域，可以排除受干扰区域，根据待检测的人的面部特征选择准确的兴趣区域；利用对人脸图像的兴趣区域RGB信号进行自动的信道选择，并利用信号增强算法对带通滤波器通过的信号进行增强，以减少噪声影响。
附图说明
图1为本发明的一种心率监测方法的流程示意图。
具体实施例
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
实施例一
本发明利用人体脉搏跳动会导致人脸表面图像的微小变化原理，利用人脸稳定区域的RGB转换成HSV空间后的变化来计算心率，包括人脸图像自适应兴趣区选择与追踪算法、兴趣区域HSV信号的信道选择与增强算法、基于权值可变的实时动态心率计算方法和异常心率值计算方法等。本发明可以基于摄像头实时计算心率，也可以给定一个视频，计算其对应多个人的心率，可以做到基于网络摄像头的多场景的实时心率实时监测。
本实施例提供一种心率监测方法，其流程示意图如图1所示，具体包括：
步骤S1、从摄像头或视频中实时采集图像帧，然后利用人脸检测算法检测到人脸图像。
利用包含81个特征点的人脸检测框架Dlib库检测出人脸图像，该框架利用事先标注好的81个关键点坐标对人脸图像上对应的关键点进行对应拟合，在拟合时不仅考虑了对应关键点的坐标，也考虑了对应点之间的关系，从而找到测试人脸的对应的81个特征点，进而实现对人脸的检测。
步骤S2、再利用基于人脸关键点的人脸跟踪算法完成指定人员的人脸头像的定位与跟踪。
利用前后帧的对应81个特征点之间的距离，采用最短距离优先的策略，完成对应人员的人脸图像的对应特征点的定位与跟踪，保证同一个人对应的帧图像对齐(对应)，不同人的帧序列用对应人员的ID标识。
步骤S3、利用人脸图像自适应兴趣区选择与追踪算法选择最合适的人脸局部区域，最合适的人脸局部区域指一段时间内没有遮挡的人脸稳定区域，即人脸头像的兴趣区域。
人脸图像自适应兴趣区选择与跟踪算法具体包括如下：
步骤S301、判断人脸头像是否带眼镜、是否有刘海、是否有胡须；从左右眼、前额、左脸颊、右脸颊、下颌的顺序选择相应的稳定的兴趣区域，即如果没有带眼镜则选择包括左右眼的矩形区域为兴趣区域，如果有带眼镜则判断人脸图像是否有刘海，如果没有刘海则选择前额矩形区域为兴趣区域，如果有刘海则判断人脸图像是否有胡须，如果没有胡须则选择下颌矩形区域为兴趣区域，如果有胡须则最后选择左脸颊与右脸颊的可见部分的矩形区域为兴趣区域；
步骤S302、对选择的兴趣区域的RGB空间到HSV空间的变换(opencv库中提供了直接的转换方法cv2.COLOR_RGB2HSV，其中cv是opencv的类对象)，得到对应的H、S与V分量，并对S与V分量进行加权求平均，同时对人脸不同区域也做加权平均，左右脸颊的权重与上额与下颚的权重在训练中可自适应调整，得到对应兴趣区域的平均S与V值。对人脸图像的兴趣区域的RGB信号进行自动的信道选择，并利用信号增强算法对通过带通滤波器的信号进行增强，以减少噪声影响。
兴趣区域RGB信号的信道选择与增强算法如下：
步骤S3021、根据人脸兴趣区域的平均S、V值，利用加权的方法(默认为0.6，0.4，实验表明，S信道的变化对心率变化贡献更大)，得到兴趣区域的一个信道的加权平均值；
步骤S3022、利用detrended方法移除该信道对应信号的线性趋势，即去除基线漂移的，然后利用slidemean方法取分段均值化；
其中：detrended与slidemean方法是opencv提供的信号处理方法。
步骤S3023、利用带通滤波器过滤掉人脸区域的指定的低频(小于0.8hz的)与高频部分信号(大于2.3hz的)，得到中间频率部分的与心率相关的频率信号；其中fps为实时获取采集摄像头帧的帧率，samp＝fps*0.5，low＝MinHz/samp，high＝MaxHz/samp。
其中：MinHz取0.8hz，MaxHz取2.3hz
步骤S3024、为降低环境干扰，利用Gabor滤波来增强步骤S3023中得到的中间频率信号；
步骤S3025、利用一维傅里叶变换，利用numpy类提供的傅里叶变换类fft的rfft方法，把步骤S3024得到的中间频率信号转换到频域空间：fft＝np.abs(np.fft.rfft(filterv))。
其中：filterv为频率信号，np为numpy类的对象，rfft为fft类的方法。
步骤S4、基于权值可变的方式进行心率计算。
心率分为实时心率与平均心率两部分，实时心率(默认60帧)反应的是短时间的实时心率值，平均心率(默认240帧)反应的是更长时间内的平均稳定心率值，但不能采用这段时间内的所有计算的实时心率值同权平均的方式来计算平均心率，应该采用变权的方式来计算。
基于权值可变的动态心率计算方法包括：
1)实时心率计算：通过计算一段时间内(默认60帧)的波峰的个数，可以得到对应的心率值，即首先计算fft的峰值出现的时间序号max_idx＝fft.argmax()以及bps＝freqs[max_idx]，最后得到bpm＝bps*60.0
其中：
bpm表示每分钟的心跳次数；
bps表示每秒钟的心跳次数；
max_idx表示：波峰出现的时间序号；
fft.argmax()表示：fft频率波的波峰；
freqs[max_idx]表示：波峰出现的个数。
2)平均心率计算：采用两个策略来完成权重分配原则，一是当前的心率与过去的时间上比较近的实时心率值权重较大，与时间上较远的实时心率值的权重较小的原则，加权求平均；另一个是与当前心率值差异小的权重较大，与当前心率值差异大的权重小的原则，对于突然比较大或比较小的心率值应该权重设置很小，基于以上动态权重分配原则，我们使用Lebesgue测度原则可以完成对应的动态权重分配，具体计算公式见3)。
3)根据2)中权重分配原则，利用Lebesgue测度原则，可以完成平均心率avgbpm的计算：
其中sim(t,σ)刻画了这两个时刻t与σ的心率值的相似性，t-σ刻画了两个时刻的时间上的差距，这两个值都要进行归一化，这两个组成了每一时刻的对应的心率值的权重，最后对这两个值的比值进行归一化，bmp(t)表示t时刻的心率值。
步骤S5、异常心率值计算。
异常心率值与紧张程度用心率值的一阶变化值与二阶变化值的拟合来刻画。
异常心率值计算方法：
步骤S501、选择最近n(n大于1，优选3的倍数，如12、18等)个心率值，记为bpm_hist；
步骤S502、把bpm_hist序列值平均分割成三段，每段包含n/3个心率值，计算每段的平均值，分别记为bpm1，bpm2，bpm3；
步骤S503、if(bpm2-bpm1)>t1&&(bpm3-bpm2)>t1(t1为正常心率变化阈值，默认取5，可调)，则为异常标记flag_abnorm，转至步骤S504，否则退出；
步骤S504、如果(bpm3-bpm1)>0，则异常心率值tensorvalue0＝(a1*(bpm3-bpm2)+a2*(bpm2-bpm1)+a3*(bpm3-bpm1))/1.5(a1>a2>a3且a1+a2+a3＝1，默认分别为0.5，0.3，0.2)，返回异常心率值tensorvalue0，即输出结果tensorvalue0；
步骤S505、输出紧张度，即紧张度tensorvalue＝round(tensorvalue0)，如果tensorvalue0>＝10，则取9，只显示紧张度范围在0-9值。
实施例二
本实施例提供一种便携式心率监测装置，包括获取模块、追踪模块、选择模块和计算模块；
获取模块：从摄像头或视频中实时采集图像帧，获取人脸图像，将获取的人脸头像传送给追踪模块；
追踪模块：用于对取得的人脸头像进行定位与跟踪；
选择模块：用于选择人脸头像的兴趣区域；
计算模块：基于权值可变的方式进行心率计算和异常心率值的技术。
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种心率监测方法，其特征在于：包括以下步骤：
步骤S1、从摄像头或视频中实时采集图像帧，检测人脸图像；
步骤S2、对人脸图像进行跟踪和定位；
步骤S3、利用人脸图像自适应兴趣区选择与追踪算法选择人脸头像的兴趣区域，得到人脸区域的中间频率部分的与心率相关的频率信号，并将得到的中间频率信号转换到频域空间：fft＝np.abs(np.fft.rfft(filterv))，
其中，filterv为频率信号，np为numpy类的对象，rfft为fft类的方法；
步骤S4、基于权值可变的加权方式进行心率计算，所述的步骤S4包括实时心率计算和平均心率计算；
所述的实时心率计算方法为：
计算一段时间内的波峰的个数，得到对应的心率值，即首先计算fft的峰值出现的时间序号max_idx＝fft.argmax()以及bps＝freqs[max_idx]，最后得到bpm＝bps*60.0；
其中：
bpm表示每分钟的心跳次数；
bps表示每秒钟的心跳次数；
max_idx表示：波峰出现的时间序号；
fft.argmax()表示：fft频率波的波峰；
freqs[max_idx]表示：波峰出现的个数；
所述平均心率计算公式为：
其中：sim(t,σ)表示时刻t与σ的心率值的相似性；
t-σ表示两个时刻的时间上的差距；
sim(t,σ)和t-σ组成每一时刻对应的心率值的权重；
bmp(t)表示t时刻的心率值；
步骤S5、异常心率值计算；
所述的异常心率值计算的方法包括：
步骤S501、选择最近n个心率值，记为bpm_hist，n大于1；
步骤S502、把bpm_hist序列值平均分割成三段，每段包含n/3个心率值，计算每段的平均值，分别记为bpm1，bpm2，bpm3；
步骤S503、如果(bpm2-bpm1)>t1并且(bpm3-bpm2)>t1，则为异常标记flag_abnorm，转至步骤S504，否则退出；t1为正常心率变化阈值，根据需要设定；
步骤S504、如果(bpm3-bpm1)>0，则异常心率值的计算公式为：
tensorvalue0＝(a1*(bpm3-bpm2)+a2*(bpm2-bpm1)+a3*(bpm3-bpm1))/1.5，输出异常心率值计算结果；
其中：a1>a2>a3且a1+a2+a3＝1；
步骤S505、输出紧张度，即tensorvalue＝round(tensorvalue0)，如果tensorvalue0>＝10，则tensorvalue值取9。
2.根据权利要求1所述的一种心率监测方法，其特征在于：所述步骤S1是根据人脸检测算法检测人脸图像的，具体为利用包含81个特征点的人脸检测框架Dlib库检测出人脸图像。
3.根据权利要求1所述的一种心率监测方法，其特征在于：所述步骤S3包括：
步骤S301、判断人脸图像是否带眼镜，如果没有带眼镜则选择包括左右眼的矩形区域为兴趣区域，如果有带眼镜则判断人脸图像是否有刘海，如果没有刘海则选择前额矩形区域为兴趣区域，如果有刘海则判断人脸图像是否有胡须，如果没有胡须则选择下颌矩形区域为兴趣区域，如果有胡须则最后选择左脸颊与右脸颊的可见部分的矩形区域为兴趣区域；
步骤S302、对选择的兴趣区域的RGB空间到HSV空间的变换，然后对S与V分量进行加权求平均，得到对应兴趣区域的平均S值与V值，对人脸图像的兴趣区域的HSV空间的S与V信号进行非滤波范围值过滤，并利用信号增强算法对通过带通滤波器的信号进行增强处理。
4.根据权利要求3所述的一种心率监测方法，其特征在于：所述步骤S302具体包括：
步骤S3021、根据人脸兴趣区域的S值与V值，利用加权的方法，得到兴趣区域的这两个信道的加权平均值；
步骤S3022、移除该信道对应的信号signal的线性趋势，然后取分段均值化；
步骤S3023、利用带通滤波器过滤掉兴趣区域的指定的低频信号与高频信号，得到与心率相关的中间频率信号；
步骤S3024、利用Gabor滤波增强步骤S3023中得到的中间频率信号；
步骤S3025、利用一维傅里叶变换，把步骤S3024得到的中间频率信号转换到频域空间。
5.根据权利要求4所述的一种心率监测方法，其特征在于：所述步骤S3021中S值与V值的权重在训练中自适应调整。
6.根据权利要求4所述的一种心率监测方法，其特征在于：所述步骤S3023中低频信号、高频信号和中间频率信号的定义为：频率小于0.8HZ的频段为低频信号，频率大于2.3HZ的频段为高频信号，0.8HZ～2.3HZ之间的为中间频率信号。
7.根据权利要求1所述的一种心率监测方法，其特征在于：n的取值为3的倍数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911116243.0A CN110866498B (zh) | 2019-11-15 | 2019-11-15 | 一种心率监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911116243.0A CN110866498B (zh) | 2019-11-15 | 2019-11-15 | 一种心率监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110866498A CN110866498A (zh) | 2020-03-06 |
| CN110866498B true CN110866498B (zh) | 2021-07-13 |
Family
ID=69653937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911116243.0A Active CN110866498B (zh) | 2019-11-15 | 2019-11-15 | 一种心率监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110866498B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111714110A (zh) * | 2020-05-19 | 2020-09-29 | 成都云卫康医疗科技有限公司 | 一种基于ppg波形的实时心率计算方法 |
| CN112733650B (zh) * | 2020-12-29 | 2024-05-07 | 深圳云天励飞技术股份有限公司 | 目标人脸检测方法、装置、终端设备及存储介质 |
| CN112797840B (zh) * | 2021-01-28 | 2023-03-10 | 杭州屹道科技有限公司 | 一种枪械交接装置及其工作方法 |
| JP7318690B2 (ja) * | 2021-09-14 | 2023-08-01 | カシオ計算機株式会社 | 電子機器、アルゴリズム選択方法及びプログラム |
| CN113963427B (zh) * | 2021-12-22 | 2022-07-26 | 浙江工商大学 | 一种快速活体检测的方法与系统 |
| CN114469036A (zh) * | 2022-01-27 | 2022-05-13 | 无锡博奥玛雅医学科技有限公司 | 一种基于视频图像的远程心率监测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103315728A (zh) * | 2012-03-20 | 2013-09-25 | 幻音科技(深圳)有限公司 | 心率检测和显示方法及其装置 |
| CN106778695A (zh) * | 2017-01-19 | 2017-05-31 | 北京理工大学 | 一种基于视频的多人快速心率检测方法 |
| CN110276271A (zh) * | 2019-05-30 | 2019-09-24 | 福建工程学院 | 融合ippg和深度信息抗噪声干扰的非接触心率估计法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8045783B2 (en) * | 2006-11-09 | 2011-10-25 | Drvision Technologies Llc | Method for moving cell detection from temporal image sequence model estimation |
| CN103932699A (zh) * | 2014-04-29 | 2014-07-23 | 上海理工大学 | 心电监护仪 |
| CN107334469A (zh) * | 2017-07-24 | 2017-11-10 | 北京理工大学 | 基于支持向量机的非接触多人心率测量方法及装置 |
-
2019
- 2019-11-15 CN CN201911116243.0A patent/CN110866498B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103315728A (zh) * | 2012-03-20 | 2013-09-25 | 幻音科技(深圳)有限公司 | 心率检测和显示方法及其装置 |
| CN106778695A (zh) * | 2017-01-19 | 2017-05-31 | 北京理工大学 | 一种基于视频的多人快速心率检测方法 |
| CN110276271A (zh) * | 2019-05-30 | 2019-09-24 | 福建工程学院 | 融合ippg和深度信息抗噪声干扰的非接触心率估计法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于人脸图像的非接触式心率测量方法研究;皮慧;《中国优秀硕士学位论文数据库》;20180415;正文第17-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110866498A (zh) | 2020-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110866498B (zh) | 一种心率监测方法 | |
| Bobbia et al. | Unsupervised skin tissue segmentation for remote photoplethysmography | |
| Wang et al. | A comparative survey of methods for remote heart rate detection from frontal face videos | |
| US10004410B2 (en) | System and methods for measuring physiological parameters | |
| CN106778695B (zh) | 一种基于视频的多人快速心率检测方法 | |
| EP2748762B1 (en) | Distortion reduced signal detection | |
| KR102285999B1 (ko) | 얼굴 색상과 떨림을 이용한 카메라 기반 심박 측정 방법 및 시스템 | |
| CN110537929B (zh) | 一种基于ssvep的注意力测评方法、训练方法以及脑机接口 | |
| EP3308702B1 (en) | Pulse estimation device, and pulse estimation method | |
| KR101738278B1 (ko) | 영상을 이용한 감정 인식 방법 | |
| US12036021B2 (en) | Non-contact fatigue detection system and method based on RPPG | |
| Huang et al. | A motion-robust contactless photoplethysmography using chrominance and adaptive filtering | |
| CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
| CA2882080A1 (en) | Real-time physiological characteristic detection based on reflected components of light | |
| Przybyło | A deep learning approach for remote heart rate estimation | |
| CN113693573B (zh) | 一种基于视频的非接触式多生理参数监测的系统及方法 | |
| CN109008964A (zh) | 一种生理信号提取的方法及装置 | |
| EP3378387B1 (en) | Heart rate estimation from face videos using quality based fusion | |
| Wu et al. | Camera-based heart rate measurement using continuous wavelet transform | |
| CN113591769B (zh) | 基于光电容积脉搏描记法的非接触式心率检测方法 | |
| He et al. | Remote photoplethysmography heart rate variability detection using signal to noise ratio bandpass filtering | |
| CN117136027A (zh) | 从rgb图像提取心率的方法和系统 | |
| CN114271800B (zh) | 一种办公环境下的非侵扰式连续血压监测方法及应用 | |
| CN116012820A (zh) | 一种非接触式驾驶员心率检测方法 | |
| Nakonechnyi et al. | Estimation of heart rate and its variability based on wavelet analysis of photoplethysmographic signals in real time |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240408 Address after: 116000 Chuntianyuan C-4-501, Ganjingzi District, Dalian City, Liaoning Province Patentee after: Huayu (Dalian) Information Service Co.,Ltd. Country or region after: China Address before: 100084 C2301, c2302, 21 / F, building 8, yard 1, Zhongguancun East Road, Haidian District, Beijing Patentee before: BEIJING THUNISOFT INFORMATION TECHNOLOGY Co.,Ltd. Country or region before: China |