CN111127511A - 一种非接触式心率监测方法 - Google Patents
一种非接触式心率监测方法 Download PDFInfo
- Publication number
- CN111127511A CN111127511A CN201811545663.6A CN201811545663A CN111127511A CN 111127511 A CN111127511 A CN 111127511A CN 201811545663 A CN201811545663 A CN 201811545663A CN 111127511 A CN111127511 A CN 111127511A
- Authority
- CN
- China
- Prior art keywords
- face
- signal
- position information
- region
- area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 238000005286 illumination Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000013186 photoplethysmography Methods 0.000 description 33
- 238000001514 detection method Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 10
- 210000003491 skin Anatomy 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000135164 Timea Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010011469 Crying Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000541 pulsatile effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Cardiology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种非接触式心率监测方法,包括:步骤1)从摄像头捕捉到视频流,并对视频的每一帧进行处理,从视频帧中获取到人脸位置信息,并将人脸位置信息导入到跟踪器中;步骤2)对获取到的人脸位置信息进行跟踪,并将获取到的人脸位置信息进行处理,并从中提取到人脸皮肤图像,并将人的整个可视面部区域与其他背景区域剥离;步骤3)对获取到的人脸的皮肤区域进行信号强度区域分类,其中,分类区域大小为单一像素区域,由此提取单一像素的信号纯洁度;步骤4)光照补偿等步骤。
Description
技术领域
本发明属于一种非接触式心率监测方法。
背景技术
光电容积描记法(PPG)技术是一种用于检测心脏周期性同步脉动信号的技术,通过此项技术能够计算出被检测物体的心率,血氧甚至血压等生理指标。由于心脏是人脸重要器官之一,心率,血氧等生理指标能有效反应人类生命体征,并能进一步做医疗分析用途;因此光电容积描记技术被广泛应用在医疗分析,生命体征监测,运动物体体征监测等领域。
光电容积描记技术法分为透射型和反射型两种。传统的光电容积描记法技术采用的是接触式测量,大部分为透射型,被检测物体需要在指定部位佩戴相应检测传感设备,如医疗监护仪和运动手环,接触式光电容积描记法(CPPG)通过特定波长光束照射皮肤组织,传感设备中的光电传感器能够采集经皮下动脉结缔组织吸收后再反射的光源,由于光源密度会随着动脉血液流量呈周期同步变化,因此能够准确绘制出信号图并计算心率等指标。
非接触光电容积描记法(RPPG)是一种无损近距离非接触式用于检测心脏周期性同步脉动信号的技术。由于他的便利性,舒适性和无创伤性被渐渐广泛关注,原理大致与接触式相同,非接触光电容积描记法采用反射型检测。不同的是,此方法是通过CMOS数字RGB摄像头,采集特定部位,如人脸,手腕,的视频流,并从视频流提取出在特定波段光照下的选定检测部位的光源密度变化,通过信号放大得到信号图并计算心率等指标。
非接触式光电容积描记法的出现,具有广泛的应用价值和潜力,由于其无需佩戴设备,和仅需通过常见CMOS数字摄像头便可采集测量;具有低成本,方便,以及多目标检测等特点,但其容易受物体移动、光照变化及被检测物体生理特征情况等条件约束。在现在应用中仍不能被广泛应用。
与此同时人工智能领域祥相关技术在近年呈快速发展,特别是基于神经网络的图像处理技术,这为相关领域包括RPPG检测提供了更多的改良可能。
其中,现有的非接触式光电容积法(RPPG)心率测量的方法,其主要缺点集中在:
人脸检测部分,大部分现有技术只能检测正脸及小角度侧脸。
ROI 区域的选取,现有技术是依赖人脸检测输出的坐标拟合,检测区域的选取只能框选大概区域,由于个体的生理结构差异性,如真皮层厚度不一;现有技术并不能最好地选取信号强度高的检测区域,影响最终结果。
由于人脸刚性移动,导致ROI区域不能有效被锁定,导致信号源扰动,即便最新的追踪方案,也只能解决人脸前后、上下及左右移动三个自由度,不能解决人头部的旋转、摇摆及俯仰另外三个自由度。
对于人脸非刚性移动,如讲话、大笑、哭泣等行为发生时,会产生脸部区域形变,因此会对光源透射产生干扰,从而引起信号扰动。
光照也是影响信号结果好坏的因素之一,主要分为光照强度不足,如低光照,和光源不稳定,光照环境改变情况下,如室内可见光源的闪烁等。
检测区域应该被持续稳定追踪,以保证信号的稳定。一旦不能稳定追踪,会引入检测误差得不到准确的结果。
现有RGB模型只考虑单通道或者双通道信号处理,在现实环境中不能很好地适应复杂光照环境。
发明内容
为了建立一种适应实际日常应用的监测方法,本专利提出了一种能够动态适应被检测物体移动,适应多光照环境,以及智能选取最优检测区域的新型基于非接触光电容积描记法的生物体征检测方法。
本发明解决上述技术问题所采取的技术方案如下:
一种非接触式心率监测方法,包括:
步骤1)从摄像头捕捉到视频流,并对视频的每一帧进行处理,从视频帧中获取到人脸位置信息,并将人脸位置信息导入到跟踪器中;
步骤2)对获取到的人脸位置信息进行跟踪,并将获取到的人脸位置信息进行处理,并从中提取到人脸皮肤图像,并将人的整个可视面部区域与其他背景区域剥离;
步骤3)对获取到的人脸的皮肤区域进行信号强度区域分类,其中,分类区域大小为单一像素区域,由此提取单一像素的信号纯洁度;
其中,摄像头视频流采集频率为30fps;其中,当采样频率大于10fps时,每帧图像之间的PPG信息差异可视为不变;
其中为ROI区域中产生的PPG信号波动, 为由光照变化所引起的PPG信号波动,为了消除带来的影响,采用除ROI外有效人脸区域产生的信号,和除有效人脸区域外的背景区域产生的信号可得公式(7),因此公式(6)可改写为公式(8):
再得到消除移动影响和光照影响的区域,因为视频流采集自于RGB域,首先需要将RGB通道分离,分别对R、G、B三个通道的像素均值,用61阶巴特沃斯数字带通滤波器进行初次滤波,均指计算如公式(10):
其中,通过PPG信号,可计算瞬时心率,平均心率和血氧。
优选的是,步骤1)包括:如果视频第一帧中,还未标定到人脸位置信息,则继续对下一帧视频流进行检测;
当得到人脸位置信息后,将人脸位置信息导入跟踪器中,并不再对下一帧视频图像进行处理,且人脸检测器采用SSD检测器。
优选的是,步骤2)中,包括:人脸追踪器采用CSRT追踪器;
将人脸图像切割输入到提前训练好的FCN模型,进行人脸语义分割,从像素级得到准确的人脸皮肤图像,由此将人的整个可视面部区域与其他背景区域剥离。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解;本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
下面结合附图对本发明进行详细的描述,以使得本发明的上述优点更加明确。其中,
图1是本发明非接触式心率监测方法的光照补偿区域示意图;
图2是本发明非接触式心率监测方法的光照补偿区域示意图;
图3是本发明非接触式心率监测方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施,需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1、2、3所示,本发明采用了一种新型人脸跟踪和提取方案,综合统一解决了人脸检测、人脸跟踪提取问题。其中, A为选定的高信号强度ROI,B为除ROI以外的有效人脸区域,C为除人脸外的区域。为追踪框中人脸及背景区域。
具体来说,用跟踪整个人脸区域代替跟踪局部区域和对每帧图像。在此基础上提出一种新型人脸提取技术,利用全卷积神经网络(FCN)分割人脸区域,并能够准确有效解决,如眼镜等的局部遮挡下的分割。
提出一种新型的人脸高强度信号ROI选取技术,利用有效信号比S_((ROI))的梯度及SNR,减小了传统大致拟合脸颊区域或者单一只用SNR来标定ROI所产生的误差。
基于上述本专利创新点1、2提供的技术支持,提出一种新型光补偿方案,通过除ROI外的人脸区域,及背景光的光强变化,来补偿ROI区域中由光照变化引起的信号误差。
提出一种新型三通道信号提取模型,能够适应复杂室内光照环境下的信号提取。
综上所述,对于现有技术不能检测大角度偏转人脸、不能有效追踪ROI、不能准确选取ROI需要人脸校正、不能选取有效高信号强度ROI、不能对大角度偏转人脸进行人脸区域分离从而进行光照补偿和光照补偿不足,本专利提出新的解决方案,解决的上述缺点。
其中,本文中的缩写如下:
编号 | 缩写 | 英文全称 | 中文全称 |
1 | PPG | Photoplethysmography | 光电容积描记法 |
2 | CPPG | Contact Photoplethysmography | 接触式光电容积描记法 |
3 | RPPG | Remote Photoplethysmography | 非接触式光电容积描记法 |
4 | FCN | Fully Convolutional networks | 全卷积网络 |
5 | CNN | Convolutional Neural Network | 卷积神经网络 |
6 | ROI | Region of Interest | 感兴趣区域 |
7 | SNR | Signal Noise Ratio | 信噪比 |
8 | PID | Proportion,integral and differential Control | 比例积分微分控制 |
9 | FDA | Food and Drug Administration | 美国食品药品监督管理局 |
10 | HOG | Histogram of Oriented Gradient | 方向梯度直方图 |
11 | DRLSE | Distance Regularized Level Set Evolution | 水平集方法 |
12 | NLMS | Normalized Least Mean Square | 归一化最小均方自适应滤波器 |
13 | CSRT | Discriminative Correlation Filter with Channel and Spatial Reliability | 通道和空间置信相关滤波器 |
14 | CSK | Circulant Structure of Tracking-by-detection with Kernels | 相邻高斯核相关性检测 |
15 | MT-CNN | Multi-task Cascaded Convolutional Networks | 多目标联级卷积神经网络 |
其中,本发明的方法如图2所示,具体实现过程如下:
1)当系统开始运作,从摄像头捕捉到视频流,系统将对视频的每帧进行处理。如果视频第一帧中,还未标定到人脸位置信息,则继续对下一帧视频流进行检测,当得到人脸位置信息后,将人脸位置信息导入跟踪器中,并不再对下一帧视频图像进行处理,人脸检测器采用SSD检测器。
2) 人脸追踪器采用CSRT追踪器,一旦位置信息被输入,人脸位置将被准确追踪。由于人脸检测器得到的人脸位置包含除人脸外,如头发,、口罩、眼镜等多余信息;因此,人脸图像将被切割输入到提前训练好的FCN模型,进行人脸语义分割,从像素级得到准确的人脸皮肤图像。将人的整个可视面部区域与其他背景区域剥离。
3)当得到人脸皮肤区域后利用公式(2)进行信号强度区域分类。分类区域大小为单一像素区域,为的是能够提取单一像素的信号纯洁度,公式(2)如下:
为测得信号的功率频谱图,为实际心率的功率频谱图。本专利中由于摄像头视频流采集频率为,30fps,当采样频率大于10fps时,每帧图像之间的PPG信息差异可视为不变。因此本专利中,对于时刻的信号处理,采用时刻得到的PPG信号作为。当时,。为的面积,为人脸区域中有效信号强度区域,如公式(5)所示。
5)其中黑色离散点围成区域为步骤(2)得到的有效人脸区域,A为步骤(3)中选定的高信号强度ROI,B为除ROI以外的有效人脸区域,C为除人脸外的区域。
其中为ROI区域中产生的PPG信号波动, 为由光照变化所引起的PPG信号波动。为了消除带来的影响。本专利采用除ROI外有效人脸区域产生的信号,和除有效人脸区域外的背景区域产生的信号。可得公式(7)。因此公式(6)可改写为公式(8)。
公式(8)中的和 为影响参数。因此在本步骤中,需要确定优化参数和,进一步得到无干扰信号。可建立优化对象 ,如公式(9)所示。在建立优化对象之后,利用PID控制自动调节修正和的大小,使系统能够稳态优化。
6)再得到消除移动影响和光照影响的区域后。因为视频流采集自于RGB域,首先需要将RGB通道分离,分别对R、G、B三个通道的像素均值,用61阶巴特沃斯数字带通滤波器进行初次滤波,均指计算如公式(10)。 为时刻,在通道内,位置的像素值。从相关文献可得,人类生理指标的频率处于0.7至4赫兹之间,因此滤波带宽为0.7至4赫兹。
9)通过PPG信号,可计算瞬时心率,平均心率和血氧。瞬时心率可通过,建立一个4秒的时间窗,利用公式14,统计时间窗内PPG信号波峰个数Num。算出实时瞬时心率。其中为时间窗内最后一个波峰对应的时间戳,为时间窗内第一个波峰对应的时间戳。
相比于现有技术,本专利解决了被检测物体可自由刚性移动时,不能连续每帧检测人脸和不能有效追踪ROI两个问题;以及,被检测物体能过进行面部非刚性移动的问题;以及,光照变化带来的噪声影响;和在高强度ROI选取准确率时,不能选取信号强度最强区域带来的噪声影响。
其中,本专利的步骤1中人脸检测器采用SSD检测器,替代方案有Viola-Jones,也被称为Haar-cascade, 检测器、HOG检测器和MT-CNN检测器。
1) 对于本专利的步骤2中人脸有效区域分割,在理想状态下,例如无面部遮挡。可以采用人脸关键点检测分割人脸部分。如基于HOG特征的人脸关键点检测。虽然分割准确率及适用环境有限,但可作为特定情况下的替代方案。
2) 步骤3中SNR计算方法,有一种替代方案如公式(15)。
3) 步骤4中,背景分割可采用DRLSE分割。对公式(9)的优化方法,可采用NLMS动态滤波优化。
需要说明的是,对于上述方法实施例而言,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行;其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,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 (4)
1.一种非接触式心率监测方法,其特征在于,包括:
步骤1)从摄像头捕捉到视频流,并对视频的每一帧进行处理,从视频帧中获取到人脸位置信息,并将人脸位置信息导入到跟踪器中;
步骤2)对获取到的人脸位置信息进行跟踪,并将获取到的人脸位置信息进行处理,并从中提取到人脸皮肤图像,并将人的整个可视面部区域与其他背景区域剥离;
步骤3)对获取到的人脸的皮肤区域进行信号强度区域分类,其中,分类区域大小为单一像素区域,由此提取单一像素的信号纯洁度;
其中,摄像头视频流采集频率为30fps;其中,当采样频率大于10fps时,每帧图像之间的PPG信息差异可视为不变;
其中为ROI区域中产生的PPG信号波动, 为由光照变化所引起的PPG信号波动,为了消除带来的影响,采用除ROI外有效人脸区域产生的信号,和除有效人脸区域外的背景区域产生的信号可得公式(7),因此公式(6)可改写为公式(8):
步骤5)得到消除移动影响和光照影响的区域,因为视频流采集自于RGB域,首先需要将RGB通道分离,分别对R、G、B三个通道的像素均值,用61阶巴特沃斯数字带通滤波器进行初次滤波,均指计算如公式(10):
从相关文献可得,人类生理指标的频率处于0.7至4赫兹之间,因此滤波带宽为0.7至4赫兹;
其中,通过PPG信号,可计算瞬时心率,平均心率和血氧。
2.根据权利要求1所述的非接触式心率监测方法,其特征在于,步骤1)包括:如果视频第一帧中,还未标定到人脸位置信息,则继续对下一帧视频流进行检测;
当得到人脸位置信息后,将人脸位置信息导入跟踪器中,并不再对下一帧视频图像进行处理,且人脸检测器采用SSD检测器。
3.根据权利要求1所述的非接触式心率监测方法,其特征在于,步骤2)中,包括:人脸追踪器采用CSRT追踪器和FCN人脸分割模型;
将人脸图像切割输入到提前训练好的FCN模型,进行人脸语义分割,从像素级得到准确的人脸皮肤图像,由此将人的整个可视面部区域与其他背景区域剥离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811545663.6A CN111127511B (zh) | 2018-12-18 | 2018-12-18 | 一种非接触式心率监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811545663.6A CN111127511B (zh) | 2018-12-18 | 2018-12-18 | 一种非接触式心率监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127511A true CN111127511A (zh) | 2020-05-08 |
CN111127511B CN111127511B (zh) | 2022-03-29 |
Family
ID=70494714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811545663.6A Active CN111127511B (zh) | 2018-12-18 | 2018-12-18 | 一种非接触式心率监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127511B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132134A (zh) * | 2020-08-21 | 2020-12-25 | 浙江工业大学 | 一种基于稳定轨迹人脸跟踪的非接触式人体心率测量方法 |
CN112200099A (zh) * | 2020-10-14 | 2021-01-08 | 浙江大学山东工业技术研究院 | 一种基于视频的动态心率检测方法 |
CN113907733A (zh) * | 2020-07-10 | 2022-01-11 | 四川瑞蓝智博科技有限公司 | 博纳希ai |
GB2605401A (en) * | 2021-03-30 | 2022-10-05 | Vastmindz Ai Ltd | System and method of estimating vital signs of user using artificial intelligence |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499664A (zh) * | 2011-10-24 | 2012-06-20 | 西双版纳大渡云海生物科技发展有限公司 | 基于视频图像的非接触式生命体征的检测方法及检测系统 |
CN104138254A (zh) * | 2013-05-10 | 2014-11-12 | 天津点康科技有限公司 | 非接触式自动心率测量系统及测量方法 |
US20160089041A1 (en) * | 2014-09-30 | 2016-03-31 | Rapsodo Pte. Ltd. | Remote heart rate monitoring based on imaging for moving subjects |
CN105678780A (zh) * | 2016-01-14 | 2016-06-15 | 合肥工业大学智能制造技术研究院 | 一种去除环境光变化干扰的视频心率检测方法 |
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 |
CN107358220A (zh) * | 2017-07-31 | 2017-11-17 | 江西中医药大学 | 一种人体心率与呼吸的非接触式测量方法 |
US20170367590A1 (en) * | 2016-06-24 | 2017-12-28 | Universita' degli Studi di Trento (University of Trento) | Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions |
EP3378387A1 (en) * | 2017-03-21 | 2018-09-26 | Tata Consultancy Services Limited | Heart rate estimation from face videos using quality based fusion |
-
2018
- 2018-12-18 CN CN201811545663.6A patent/CN111127511B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499664A (zh) * | 2011-10-24 | 2012-06-20 | 西双版纳大渡云海生物科技发展有限公司 | 基于视频图像的非接触式生命体征的检测方法及检测系统 |
CN104138254A (zh) * | 2013-05-10 | 2014-11-12 | 天津点康科技有限公司 | 非接触式自动心率测量系统及测量方法 |
US20160089041A1 (en) * | 2014-09-30 | 2016-03-31 | Rapsodo Pte. Ltd. | Remote heart rate monitoring based on imaging for moving subjects |
CN105678780A (zh) * | 2016-01-14 | 2016-06-15 | 合肥工业大学智能制造技术研究院 | 一种去除环境光变化干扰的视频心率检测方法 |
US20170367590A1 (en) * | 2016-06-24 | 2017-12-28 | Universita' degli Studi di Trento (University of Trento) | Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions |
EP3378387A1 (en) * | 2017-03-21 | 2018-09-26 | Tata Consultancy Services Limited | Heart rate estimation from face videos using quality based fusion |
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 |
CN107358220A (zh) * | 2017-07-31 | 2017-11-17 | 江西中医药大学 | 一种人体心率与呼吸的非接触式测量方法 |
Non-Patent Citations (3)
Title |
---|
T. P. SACRAMENTO, I. M. B. SOUZA, P. V. O. VITORINO AND T. M. G.: "A real-time software to the acquisition of Heart Rate", 《 IEEE/IEE ELECTRONIC LIBRARY (IEL)》 * |
冯军 等: "非接触式心率测量研究初步", 《中国生物医学工程学报》 * |
山黎: "基于头部运动跟踪的非接触性人体心率测量", 《 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113907733A (zh) * | 2020-07-10 | 2022-01-11 | 四川瑞蓝智博科技有限公司 | 博纳希ai |
CN112132134A (zh) * | 2020-08-21 | 2020-12-25 | 浙江工业大学 | 一种基于稳定轨迹人脸跟踪的非接触式人体心率测量方法 |
CN112200099A (zh) * | 2020-10-14 | 2021-01-08 | 浙江大学山东工业技术研究院 | 一种基于视频的动态心率检测方法 |
GB2605401A (en) * | 2021-03-30 | 2022-10-05 | Vastmindz Ai Ltd | System and method of estimating vital signs of user using artificial intelligence |
Also Published As
Publication number | Publication date |
---|---|
CN111127511B (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127511B (zh) | 一种非接触式心率监测方法 | |
Wang et al. | A comparative survey of methods for remote heart rate detection from frontal face videos | |
CN105147274B (zh) | 一种从可见光谱段人脸视频信号中提取心率的方法 | |
CN102499664B (zh) | 基于视频图像的非接触式生命体征的检测方法及检测系统 | |
CN105266787B (zh) | 一种非接触式心率检测方法及系统 | |
CN105636505B (zh) | 用于获得对象的生命体征的设备和方法 | |
CN103908236B (zh) | 一种自动血压测量系统 | |
CN109977858B (zh) | 一种基于图像分析的心率检测方法及装置 | |
Wei et al. | Non-contact, synchronous dynamic measurement of respiratory rate and heart rate based on dual sensitive regions | |
CN109937002B (zh) | 用于基于相机的心率跟踪的系统和方法 | |
CN111728602A (zh) | 基于ppg的无接触血压测量装置 | |
Fan et al. | Non-contact remote estimation of cardiovascular parameters | |
CN106236049A (zh) | 基于视频图像的血压测量方法 | |
CN109259749A (zh) | 一种基于视觉摄像头的非接触式心率测量方法 | |
WO2016092290A1 (en) | Method and apparatus for physiological monitoring | |
CN103263271A (zh) | 非接触式自动血氧饱和度测量系统及测量方法 | |
DE112015005804T5 (de) | Atemzustandsschätzvorrichtung, tragbare Vorrichtung, an Körper tragbare Vorrichtung, Programm, Medium, Atemzustandsschätzverfahren und Atemzustandsschätzer | |
Huang et al. | A motion-robust contactless photoplethysmography using chrominance and adaptive filtering | |
Yin et al. | Heart rate estimation based on face video under unstable illumination | |
Przybyło | A deep learning approach for remote heart rate estimation | |
Wiede et al. | Signal fusion based on intensity and motion variations for remote heart rate determination | |
Macwan et al. | Remote photoplethysmography measurement using constrained ica | |
Cui et al. | Non-contact time varying heart rate monitoring in exercise by video camera | |
CN108720825B (zh) | 一种基于多摄像头的非接触式生命体征参数的无缝检测方法 | |
Jaiswal et al. | Continuous pulse rate monitoring from facial video using rPPG |
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 |