CN111553322A - 一种基于双目原理的手部静脉血管深度检测装置及检测方法 - Google Patents

一种基于双目原理的手部静脉血管深度检测装置及检测方法 Download PDF

Info

Publication number
CN111553322A
CN111553322A CN202010434475.7A CN202010434475A CN111553322A CN 111553322 A CN111553322 A CN 111553322A CN 202010434475 A CN202010434475 A CN 202010434475A CN 111553322 A CN111553322 A CN 111553322A
Authority
CN
China
Prior art keywords
light source
image
infrared light
camera
hand
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
Application number
CN202010434475.7A
Other languages
English (en)
Inventor
张广渊
高晓楠
王康
王朋
李克峰
赵峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Jiaotong University
Original Assignee
Shandong Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Jiaotong University filed Critical Shandong Jiaotong University
Priority to CN202010434475.7A priority Critical patent/CN111553322A/zh
Publication of CN111553322A publication Critical patent/CN111553322A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • A61B5/0062—Arrangements for scanning
    • 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
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/204—Image signal generators using stereoscopic image cameras
    • H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • 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
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Vascular Medicine (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开的一种基于双目原理的手部静脉血管深度检测装置，包括近红外光源模块、图像采集模块、图像处理模块和外壳，所述近红外光源模块、图像采集模块、图像处理模块均支撑在外壳上，能够实现通过近红外光短波波段和长波波段照射能测量手部皮肤深度和手部静脉血管深度。

Description

一种基于双目原理的手部静脉血管深度检测装置及检测方法
技术领域
本发明涉及医疗器械技术领域，具体地说是一种基于双目原理的手部静脉血管深度检测装置及检测方法。
背景技术
静脉成像技术在生物医疗以及特征识别中发挥着重要作用。在医疗方面，静脉成像技术得到了快速的发展。相关资料证明;儿童静脉注射穿刺前两次的成功率仅为42%，成年人第一次静脉注射穿刺的成功率仅为73%。静脉注射失败的原因经过调查，由多种原因构成：静脉注射的液体从穿刺部位漏出来，引起穿刺部位水肿的概率为23%-28%，穿刺不能一次见血的概率为10.87%。患者静脉质量差的原因由多方面导致，血管弹性差、血管较细、贫血、血压低，都会出现静脉注射时手背不能清晰观察到血管的情况，导致穿刺不成功。由于人体浅层皮下组织较多，在静脉穿刺过程中影响因素众多：色素在皮肤中所占的含量、手部静脉的深度、脂肪层的厚度等，使得经验不足的护士甚至经验丰富的医护人员在静脉注射时注射的失败率居高不下。静脉识别具有非接触性、唯一性、区分活体等优势，疫情期间，非接触式医疗设备需求量也十分大，因此静脉成像技术具有广阔的应用前景。
随着人类技术的不断发展，人眼感知的可见光暴露了其局限性，到目前为止，被人类各类仪器所探测到的大量信息都处于不可见光谱波段内。有关疾病检测的医疗领域中，常见的医疗成像仪器有超声波和X射线，X射线成像设备还需要特定的安置空间，这种大型设备被用来检验人体较深部位的疾病，由于人体手背浅层静脉成像不清晰等因素，该类设备无法满足静脉注射的医疗需求。虽然现有的红外成像技术在医疗领域快速发展，但其仍然存在一些不足，主要表现在现有的浅层成像技术仅仅停留在二维层面，而不能提供三维的图像，现有的浅层静脉成像技术仅仅为医护人员提供静脉的具体位置，而不能提供静脉血管的深度信息。
发明内容
本发明的目的在于解决上述问题，提供一种基于双目原理的手部静脉血管深度检测装置及检测方法，能够准确的获得手部皮肤和静脉血管的深度信息，能够更加精确的方便医护人员对患者进行静脉注射，提高静脉注射成功率。
本发明解决其技术问题所采取的技术方案是：
一种基于双目原理的手部静脉血管深度检测装置，包括近红外光源模块、图像采集模块、图像处理模块和外壳，所述近红外光源模块、图像采集模块、图像处理模块均支撑在外壳上。
进一步地，所述近红外光源模块包括短波近红外光源、长波近红外光源、短波近红外光开关、长波近红外光开关和光源功率控制器，所述外壳上设有第一支撑杆和第三支撑杆，第一支撑杆左右对称的设有两个，第一支撑杆下端设有第二支撑杆，短波近红外光源安装在第二支撑杆上，第三支撑杆上端设有第一舵机，长波近红外光源左端与第一舵机输出端连接，短波近红外光源与短波近红外光开关由连接线连接，长波近红外光源与长波近红外光开关由连接线连接，短短波近红外光源、长波近红外光源均与光源功率控制器由连接线连接。
进一步地，所述图像采集模块包括第一相机、第二相机、双目固定支架、短波滤波片和长波滤波片，所述第一相机和第二相机横向并排放置在双目固定支架上，短波滤波片和长波滤波片通过第二舵机连接固定在第一支撑杆上，第一相机、第二相机均通过导轨滑块副与双目固定支架之间滑动连接，左侧第一支撑杆上端设有第三舵机，双目固定支架左端与第三舵机输出端连接，右侧第一支撑杆上端设有支撑平板，双目固定支架右端支撑在支撑平板上。
进一步地，所述图像处理模块用于提取在图像采集模块图像数据中的皮肤和静脉信息，依次进行相机标定、皮肤图像采集、噪声过滤、图像增强、手部皮肤提取、去除畸变、特征点匹配、深度计算、三维图像重建；静脉图像采集、噪声过滤、图像增强、手部静脉血管提取、去除畸变、特征点匹配、深度计算、三维图像重建。
进一步地，一种基于双目原理的手部静脉血管深度检测方法，利用权利要求1至4中任一项所述的检测装置，包括以下步骤：
1）开启设备，让待测人员的手紧握红外光源；
2）开启长波近红外光源，将光源功率设置为最低；
3）开启图像采集模块，观察图像，并调节光源适合功率；
4）多角度拍摄标定板，在MATLAB中进行第一相机和第二相机的相机标定；
5）用图像采集模块对第一相机和第二相机的手部皮肤图像数据进行提取；
6）采用中值滤波算法对图像进行去噪；
7）采用直方图均衡法对图像进行增强；
8）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
9）采用sad算法对双目图像进行匹配，得到视差图与深度图；
10）根据二维坐标和深度图对皮肤进行三维重建；
11）关闭长波近红外光源，开启短波近红外光源，将光源功率设置为最低；
12）开启图像采集模块，观察图像，并调节光源适合功率；
13）用图像采集模块对第一相机和第二相机的静脉血管图像数据进行提取；
14）采用中值滤波算法对图像进行去噪；
15）采用直方图均衡法对图像进行增强；
16）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
17）采用sad算法对双目图像进行匹配，得到视差图与深度图；
18）根据二维坐标和深度图对静脉进行三维重建；
19）医护人员可以提取到对应的手部皮肤和静脉深度，并根据手部皮肤和静脉的三维图像对患者的静脉进行分析。
进一步地，一种基于双目原理的手部静脉血管深度检测方法，利用权利要求1至4中任一项所述的检测装置，包括以下步骤：
1）开启设备，让待测人员的手紧握红外光源，在待检测的手部血管位置皮肤表面贴一个对红外光反射或者吸收系数完全不同于血管血液的反光细条；
2）开启短波近红外光源，将光源功率设置为最低；
3）开启图像采集模块，观察图像，并调节光源适合功率；
4）多角度拍摄标定板，在MATLAB中进行第一相机和第二相机的相机标定；
5）用图像采集模块对第一相机和第二相机的手部皮肤图像数据进行提取；
6）采用中值滤波算法对图像进行去噪；
7）采用直方图均衡法对图像进行增强；
8）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
9）采用sad算法对双目图像进行匹配，得到视差图与深度图；
10）根据二维坐标和深度图对皮肤进行三维重建；
11）将贴在待检测的手部血管位置皮肤表面的反光细条摘除；
12）开启图像采集模块，观察图像，并调节光源适合功率；
13）用图像采集模块对第一相机和第二相机的静脉血管图像数据进行提取；
14）采用中值滤波算法对图像进行去噪；
15）采用直方图均衡法对图像进行增强；
16）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
17）采用sad算法对双目图像进行匹配，得到视差图与深度图；
18）根据二维坐标和深度图对静脉进行三维重建；
19）医护人员可以提取到对应的手部皮肤和静脉深度，并根据手部皮肤和静脉的三维图像对患者的静脉进行分析。
本发明的有益效果是：
1、本发明提出的基于双目原理的手部静脉血管深度检测装置及方法，能够提供手部的皮肤和静脉的三维图像，方便医护人员提供更多详细的深度信息。
2、本发明提出的基于双目原理的手部静脉血管深度检测装置及方法，能够实现近红外灯长波波段和短波波段的照射。
3、本发明提出的基于双目原理的手部静脉血管深度检测装置及方法，能够实现通过近红光短波波段照射能测量手部皮肤深度和手部静脉血管深度。
4、本发明提出的基于双目原理的手部静脉血管深度检测装置及方法，能够实现近红外灯光源功率的调节。
5、本发明提出的基于双目原理的手部静脉血管深度检测装置及方法，能够通过舵机和陀螺仪智能化让第一相机和第二相机保持水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明示意图；
图2为本发明外壳主视图；
图3为本发明外壳左视图；
图4为本发明外壳俯视图；
图5为本发明控制器的内部结构图；
图6为本发明手部皮肤和静脉图像处理流程图。
图中：近红外光源模块1，短波近红外光源101，长波近红外光源102，短波近红外光开关103，长波近红外光开关104，光源功率控制器105，第一支撑杆106，第二支撑杆107，第三支撑杆108，第一舵机109，图像采集模块2，第一相机201，第二相机202，双目固定支架203，短波滤波片204，长波滤波片205，第二舵机206，第三舵机207，支撑平板208，陀螺仪209，图像处理模块3，外壳4。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
实施例一：
如图1至图6所示，一种基于双目原理的手部静脉血管深度检测装置，包括近红外光源模块1、图像采集模块2、图像处理模块3和外壳4，所述近红外光源模块1、图像采集模块2、图像处理模块3均支撑在外壳4上。
如图1至图6所示，所述近红外光源模块1包括短波近红外光源101、长波近红外光源102、短波近红外光开关103、长波近红外光开关104和光源功率控制器105，所述外壳4上设有第一支撑杆106和第三支撑杆108，第一支撑杆106左右对称的设有两个，第一支撑杆106和第三支撑杆108下端安装在外壳4上，第一支撑杆106下端设有第二支撑杆107，第二支撑杆107两端与第一支撑杆106连接，短波近红外光源101安装在第二支撑杆107上，第三支撑杆108上端设有第一舵机109，第一舵机109通螺栓固定在第三支撑杆108上端，长波近红外光源102左端与第一舵机109输出端连接，短波近红外光源101能够均匀的发射短波近红外光，本实施例所述短波近红外光源101是采用LTS-RN12090-IR850型号光源，短波近红外光源101的波长是850nm，长波近红外光源102能够均匀的发射长波近红外光，短波近红外光源101与短波近红外光开关103由连接线连接，长波近红外光源102与长波近红外光开关104由连接线连接，短短波近红外光源101、长波近红外光源102均与光源功率控制器105由连接线连接，光源功率控制器115可调节光源的功率，本实施例所述的光源功率控制器是采用雷盟仕厂家的DCM-2C100W-24S型号控制器。
如图1至图6所示，所述图像采集模块2包括第一相机201、第二相机202、双目固定支架203、短波滤波片204和长波滤波片205，本实施例的两个相机均选用安森美的Mt9m001型红外CMOS图像传感器，该型号的CMOS图像传感器性能较为稳定，其分辨率可达到1280*720，对红外波段具有较好的感光性，所述第一相机201和第二相机202横向并排放置在双目固定支架203上，用于拍摄患者的手背部皮肤和静脉，对患者的手背图像拍摄近红外光的图像，短波滤波片204和长波滤波片205通过第二舵机206连接固定在第一支撑杆106上，用于吸收相应波段的光，滤掉其他波长的外界光，第一相机201、第二相机202均通过导轨滑块副与双目固定支架203之间滑动连接，可以调节第一相机201、第二相机202之间的间隔，左侧第一支撑杆106上端设有第三舵机207，第三舵机207通过螺栓固定在第一支撑杆106上端，双目固定支架203左端与第三舵机207输出端的传动机械臂连接，右侧第一支撑杆106上端设有支撑平板208，双目固定支架203右端支撑在支撑平板208上，使得双目固定支架203可以前后摆动，通过第三舵机207的驱动，使第一相机201和第二相机202可以保持水平，所述双目固定支架203上设有陀螺仪209。
在拍摄过程中，第一种检测手部皮肤深度的方法为患者的手紧握短波近红外光源101，打开长波近红外光开关104，使长波近红外光直射手背皮肤上，患者的手背反射回来的光经过短波滤波片204后，第一相机201和第二相机202可以同时采集到手背皮肤的近红外图像数据，关闭长波近红外光开关104；第二种检测手部皮肤深度的方法为打开短波近红外光开关103，在待检测的手部血管位置皮肤表面贴一个对红外光反射或者吸收系数完全不同于血管血液的反光细条，使短波近红外光源101能够紧贴手掌内侧皮肤表面，通过第二舵机206将滤波片转换为长波滤波片205，患者的手背反射回来的光经过长波滤波片205后，第一相机201和第二相机202可以拍摄到手背静脉的图像数据。检测手部血管深度的方法为打开短波近红外光开关103，使短短波近红外光源101能够紧贴手掌内侧皮肤表面，最大限度的确保850nm波长的近红外光直接穿过手掌组织到达摄像机，以防止手掌边缘漏光导致图像局部曝光过度，导致图像丢失信息的现象。通过第二舵机206将滤波片转换为长波滤波片205，患者的手背反射回来的光经过长波滤波片205后，第一相机201和第二相机202可以拍摄到手背静脉的图像数据。
外壳4用于放置近红外光源模块1、图像采集模块2、图像处理模块3、第一支撑杆106、第二支撑杆107和第三支撑杆108。
如图6所示，所述图像处理模块3用于提取在图像采集模块2图像数据中 的皮肤和静脉信息，依次进行相机标定、皮肤图像采集、噪声过滤、图像增强、 手部皮肤提取、去除畸变、特征点匹配、深度计算、三维图像重建；静脉图像 采集、噪声过滤、图像增强、手部静脉血管提取、去除畸变、特征点匹配、深 度计算、三维图像重建。
所述相机标定软件平台选用Matlab中计算机视觉工具箱内的Stereo CameraCalibration,将两相机的匹配也包含在其功能内，可直接为双目摄像机进行标定。
所述皮肤图像采集软件第一种方法通过两个相机对在长波近红外光源照射下的人体手背进行拍摄。两个相机由连接线与ARM处理器进行连接，可实现对手背皮肤图像的采集功能。
所述皮肤图像采集软件第一种方法通过两个相机对在长波近红外光源照射下的人体手背进行拍摄。两个相机由连接线与ARM处理器进行连接，可实现对手背皮肤图像的采集功能。
所述皮肤图像采集软件第二种方法通过在待检测的手部血管位置皮肤表面贴一个对红外光反射或者吸收系数完全不同于血管血液的反光细条，两个相机对在短波近红外光源照射下的人体手背进行拍摄。两个相机由连接线与ARM处理器进行连接，可实现对手背皮肤图像的采集功能。
所述噪声过滤采用中值滤波，中值滤波算法较为简单，运行速度较快，中值滤波可过滤脉冲噪声、消除由电荷堆积产生的白噪声，并且对于椒盐噪声也有很好的处理效果。中值滤波在平面图像中的处理分为两个部分，首先选择方形的模板，在图像上进行逐行处理，然后对模板中个各个像素按照数值的大小依次排列，得到简单的二维图像序列，不同于一般的线性滤波方法，中值滤波能够保留更多的图像信息。
所述图像增强采用直方图均衡化。步骤依次为：统计原始图像的灰度直方图、使用积累分布函数对原始图像的灰度进行变换，得到新灰度级、应用新灰度级，得到增强后的图像。
所述手部皮肤提取是先从第一相机采集到的皮肤图像中，提取出与其像素坐标相互对应的皮肤图像，在完成皮肤三维重建后，将皮肤图像的像素坐标作为索引，提取出三维重建图像中的皮肤。从经过去噪和增强后的图像中提取静脉图像，采用自适应局部阈值法，凸显出所提取的皮肤。平均滤波窗口大小是可以调整的，本实施例确定窗口的大小值为“11”，此时处理效果最为平衡，既可以过滤掉大多数噪声，也可以保留有效信息。
所述去除畸变，直接调用stereoParams.CameraParameters1和stereoParams.CameraParameters2中的畸变参数，对图像进行畸变矫正。
所述特征点匹配使用SAD算法对两个图像进行匹配，两图像完成行对齐操作，此时的两张图像可认为其光轴严格平行。
所述深度计算以第一相机采集到的图像为标准，计算与第二相机采集到的图像之间重叠部分的深度数据。由于手背放置区域与相机的距离在120mm-180mm之间，因此，每计算出重叠部分中的一个像素后，判断其深度是否在120mm-180mm内，若不在，去除该数据；若在该区域内，将其第一相机手部皮肤的二维坐标记录下来，并将得到的深度数据存入与二维坐标对应的数据中。
所述三维图想重建是将三位数据储存在一个A*B*3的工作区域，该多维矩阵由三个矩阵排列而成，第三个矩阵将存储深度数据。本实施例中，两个相机的手背皮肤图像重叠区域分辨率为496*697，先建立一个496*697*3的矩阵，将深度数据存储在内。利用图像的二维坐标，在496*697*3的工作区域内筛选出皮肤图像的点。选用MATLAB中的ShowPointCloud函数进行显示。将含有手部皮肤深度的相片储存在ARM处理器中。
所述静脉图像采集软件通过两个相机对在短波近红外光源照射下的人体手背进行拍摄。两个相机由连接线与ARM处理器进行连接，可实现对手背静脉图像的采集功能。
所述噪声过滤采用中值滤波，中值滤波算法较为简单，运行速度较快，中值滤波可过滤脉冲噪声、消除由电荷堆积产生的白噪声，并且对于椒盐噪声也有很好的处理效果。中值滤波在平面图像中的处理分为两个部分，首先选择方形的模板，在图像上进行逐行处理，然后对模板中个各个像素按照数值的大小依次排列，得到简单的二维图像序列，不同于一般的线性滤波方法，中值滤波能够保留更多的图像信息。
所述图像增强采用直方图均衡化。步骤依次为：统计原始图像的灰度直方图、使用积累分布函数对原始图像的灰度进行变换，得到新灰度级、应用新灰度级，得到增强后的图像。
所述手部静脉血管提取是先从第一相机采集到的血管静脉图像中，提取出与其像素坐标相互对应的静脉血管图像，在完成手背静脉三维重建后，将静脉血管图像的像素坐标作为索引，提取出三维重建图像中的静脉血管。从经过去噪和增强后的图像中提取静脉图像，采用自适应局部阈值法，凸显出所提取的静脉。平均滤波窗口大小是可以调整的，本实施例确定窗口的大小值为“11”，此时处理效果最为平衡，既可以过滤掉大多数噪声，也可以保留有效信息。
所述去除畸变，直接调用stereoParams.CameraParameters1和stereoParams.CameraParameters2中的畸变参数，对图像进行畸变矫正。
所述特征点匹配使用SAD算法对两个图像进行匹配，两图像完成行对齐操作，此时的两张图像可认为其光轴严格平行。
所述深度计算以第一相机采集到的图像为标准，计算与第二相机采集到的图像之间重叠部分的深度数据。由于手背放置区域与相机的距离在120mm-180mm之间，因此，每计算出重叠部分中的一个像素后，判断其深度是否在120mm-180mm内，若不在，去除该数据；若在该区域内，将其第一相机手部静脉的二维坐标记录下来，并将得到的深度数据存入与二维坐标对应的数据中。
所述三维图想重建是将三位数据储存在一个A*B*3的工作区域，该多维矩阵由三个矩阵排列而成，第三个矩阵将存储深度数据。本实施例中，两个相机的手背静脉图像重叠区域分辨率为496*697，先建立一个496*697*3的矩阵，将深度数据存储在内。利用图像的二维坐标，在496*697*3的工作区域内筛选出手部静脉图像的点。选用MATLAB中的ShowPointCloud函数进行显示。将含有手部静脉血管深度的相片储存在ARM处理器中。
ARM处理器将调用含有手部皮肤深度信息和静脉血管深度信息的图片。
一种基于双目原理的手部静脉血管深度检测方法，利用权利要求1至4中任一项所述的检测装置，包括以下步骤：
1）开启设备，让待测人员的手紧握红外光源；
2）开启长波近红外光源，将光源功率设置为最低；
3）开启图像采集模块，观察图像，并调节光源适合功率；
4）多角度拍摄标定板，在MATLAB中进行第一相机和第二相机的相机标定；
5）用图像采集模块对第一相机和第二相机的手部皮肤图像数据进行提取；
6）采用中值滤波算法对图像进行去噪；
7）采用直方图均衡法对图像进行增强；
8）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
9）采用sad算法对双目图像进行匹配，得到视差图与深度图；
10）根据二维坐标和深度图对皮肤进行三维重建；
11）关闭长波近红外光源，开启短波近红外光源，将光源功率设置为最低；
12）开启图像采集模块，观察图像，并调节光源适合功率；
13）用图像采集模块对第一相机和第二相机的静脉血管图像数据进行提取；
14）采用中值滤波算法对图像进行去噪；
15）采用直方图均衡法对图像进行增强；
16）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
17）采用sad算法对双目图像进行匹配，得到视差图与深度图；
18）根据二维坐标和深度图对静脉进行三维重建；
19）医护人员可以提取到对应的手部皮肤和静脉深度，并根据手部皮肤和静脉的三维图像对患者的静脉进行分析。
实施例二：
一种基于双目原理的手部静脉血管深度检测方法，利用权利要求1至4中任一项所述的检测装置，包括以下步骤：
1）开启设备，让待测人员的手紧握红外光源，在待检测的手部血管位置皮肤表面贴一个对红外光反射或者吸收系数完全不同于血管血液的反光细条；
2）开启短波近红外光源，将光源功率设置为最低；
3）开启图像采集模块，观察图像，并调节光源适合功率；
4）多角度拍摄标定板，在MATLAB中进行第一相机和第二相机的相机标定；
5）用图像采集模块对第一相机和第二相机的手部皮肤图像数据进行提取；
6）采用中值滤波算法对图像进行去噪；
7）采用直方图均衡法对图像进行增强；
8）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
9）采用sad算法对双目图像进行匹配，得到视差图与深度图；
10）根据二维坐标和深度图对皮肤进行三维重建；
11）将贴在待检测的手部血管位置皮肤表面的反光细条摘除；
12）开启图像采集模块，观察图像，并调节光源适合功率；
13）用图像采集模块对第一相机和第二相机的静脉血管图像数据进行提取；
14）采用中值滤波算法对图像进行去噪；
15）采用直方图均衡法对图像进行增强；
16）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
17）采用sad算法对双目图像进行匹配，得到视差图与深度图；
18）根据二维坐标和深度图对静脉进行三维重建；
19）医护人员可以提取到对应的手部皮肤和静脉深度，并根据手部皮肤和静脉的三维图像对患者的静脉进行分析。
在对本发明的描述中，需要说明的是，术语“左”、“右”、“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接 ；可以是机械连接，也可以是电连接，可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

Claims (6)

1.一种基于双目原理的手部静脉血管深度检测装置，其特征在于，包括近红外光源模块（1）、图像采集模块（2）、图像处理模块（3）和外壳（4），所述近红外光源模块（1）、图像采集模块（2）、图像处理模块（3）均支撑在外壳（4）上。
2.如权利要求1所述的一种基于双目原理的手部静脉血管深度检测装置，其特征在于，所述近红外光源模块（1）包括短波近红外光源（101）、长波近红外光源（102）、短波近红外光开关（103）、长波近红外光开关（104）和光源功率控制器（105），所述外壳（4）上设有第一支撑杆（106）和第三支撑杆（108），第一支撑杆（106）左右对称的设有两个，第一支撑杆（106）下端设有第二支撑杆（107），短波近红外光源（101）安装在第二支撑杆（107）上，第三支撑杆（108）上端设有第一舵机（109），长波近红外光源（102）左端与第一舵机（109）输出端连接，短波近红外光源（101）与短波近红外光开关（103）由连接线连接，长波近红外光源（102）与长波近红外光开关（104）由连接线连接，短短波近红外光源（101）、长波近红外光源（102）均与光源功率控制器（105）由连接线连接。
3.如权利要求1所述的一种基于双目原理的手部静脉血管深度检测装置，其特征在于，所述图像采集模块（2）包括第一相机（201）、第二相机（202）、双目固定支架（203）、短波滤波片（204）和长波滤波片（205），所述第一相机（201）和第二相机（202）横向并排放置在双目固定支架（203）上，短波滤波片（204）和长波滤波片（205）通过第二舵机（206）连接固定在第一支撑杆（106）上，第一相机（201）、第二相机（202）均通过导轨滑块副与双目固定支架（203）之间滑动连接，左侧第一支撑杆（106）上端设有第三舵机（207），双目固定支架（203）左端与第三舵机（207）输出端连接，右侧第一支撑杆（106）上端设有支撑平板（208），双目固定支架（203）右端支撑在支撑平板（208）上，所述双目固定支架（203）上设有陀螺仪（209）。
4.如权利要求1所述的一种基于双目原理的手部静脉血管深度检测装置，其特征在于，所述图像处理模块（3）用于提取在图像数据中的皮肤和静脉信息，进行相机标定、图像采集、噪声过滤、图像增强、静脉血管提取、去除畸变、特征点匹配、深度计算、三维图像重建九个步骤。
5.一种基于双目原理的手部静脉血管深度检测方法，利用权利要求1至4中任一项所述的检测装置，其特征在于，包括以下步骤：
1）开启设备，让待测人员的手紧握红外光源；
2）开启长波近红外光源，将光源功率设置为最低；
3）开启图像采集模块，观察图像，并调节光源适合功率；
4）多角度拍摄标定板，在MATLAB中进行第一相机和第二相机的相机标定；
5）用图像采集模块对第一相机和第二相机的手部皮肤图像数据进行提取；
6）采用中值滤波算法对图像进行去噪；
7）采用直方图均衡法对图像进行增强；
8）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
9）采用sad算法对双目图像进行匹配，得到视差图与深度图；
10）根据二维坐标和深度图对皮肤进行三维重建；
11）关闭长波近红外光源，开启短波近红外光源，将光源功率设置为最低；
12）开启图像采集模块，观察图像，并调节光源适合功率；
13）用图像采集模块对第一相机和第二相机的静脉血管图像数据进行提取；
14）采用中值滤波算法对图像进行去噪；
15）采用直方图均衡法对图像进行增强；
16）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
17）采用sad算法对双目图像进行匹配，得到视差图与深度图；
18）根据二维坐标和深度图对静脉进行三维重建；
19）医护人员可以提取到对应的手部皮肤和静脉深度，并根据手部皮肤和静脉的三维图像对患者的静脉进行分析。
6.一种基于双目原理的手部静脉血管深度检测方法，利用权利要求1至4中任一项所述的检测装置，其特征在于，包括以下步骤：
1）开启设备，让待测人员的手紧握红外光源，在待检测的手部血管位置皮肤表面贴一个对红外光反射或者吸收系数完全不同于血管血液的反光细条；
2）开启短波近红外光源，将光源功率设置为最低；
3）开启图像采集模块，观察图像，并调节光源适合功率；
4）多角度拍摄标定板，在MATLAB中进行第一相机和第二相机的相机标定；
5）用图像采集模块对第一相机和第二相机的手部皮肤图像数据进行提取；
6）采用中值滤波算法对图像进行去噪；
7）采用直方图均衡法对图像进行增强；
8）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
9）采用sad算法对双目图像进行匹配，得到视差图与深度图；
10）根据二维坐标和深度图对皮肤进行三维重建；
11）将贴在待检测的手部血管位置皮肤表面的反光细条摘除；
12）开启图像采集模块，观察图像，并调节光源适合功率；
13）用图像采集模块对第一相机和第二相机的静脉血管图像数据进行提取；
14）采用中值滤波算法对图像进行去噪；
15）采用直方图均衡法对图像进行增强；
16）去除畸变，通过调用stereoParams.CameraParameters 和stereoParams.stereoParams.CameraParameters2中的畸变参数；
17）采用sad算法对双目图像进行匹配，得到视差图与深度图；
18）根据二维坐标和深度图对静脉进行三维重建；
19）医护人员可以提取到对应的手部皮肤和静脉深度，并根据手部皮肤和静脉的三维图像对患者的静脉进行分析。
CN202010434475.7A 2020-05-21 2020-05-21 一种基于双目原理的手部静脉血管深度检测装置及检测方法 Pending CN111553322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010434475.7A CN111553322A (zh) 2020-05-21 2020-05-21 一种基于双目原理的手部静脉血管深度检测装置及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010434475.7A CN111553322A (zh) 2020-05-21 2020-05-21 一种基于双目原理的手部静脉血管深度检测装置及检测方法

Publications (1)

Publication Number Publication Date
CN111553322A true CN111553322A (zh) 2020-08-18

Family

ID=72001006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010434475.7A Pending CN111553322A (zh) 2020-05-21 2020-05-21 一种基于双目原理的手部静脉血管深度检测装置及检测方法

Country Status (1)

Country Link
CN (1) CN111553322A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990160A (zh) * 2021-05-17 2021-06-18 北京圣点云信息技术有限公司 一种基于光声成像技术的面部静脉识别方法及识别装置
CN114469008A (zh) * 2022-03-09 2022-05-13 浙江大学 基于血管近红外成像的血管穿刺难易智能分级装置
WO2022117849A1 (en) * 2020-12-03 2022-06-09 B. Braun Melsungen Ag Image guided catheter insertion system and method
CN118078402A (zh) * 2024-04-28 2024-05-28 南昌大学第一附属医院 一种基于图像分割模型构建的留置针的智能化穿刺系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332676A (zh) * 2011-10-09 2012-01-25 深圳市达为光电科技有限公司 一种中红外光纤激光器
CN103337071A (zh) * 2013-06-19 2013-10-02 北京理工大学 基于结构重建的皮下静脉三维可视化装置及方法
CN106510626A (zh) * 2016-11-08 2017-03-22 重庆理工大学 基于双目立体视觉的人体浅层静脉三维重建装置及方法
CN109077882A (zh) * 2018-08-27 2018-12-25 复旦大学附属中山医院 基于近红外光谱技术的静脉穿刺系统
CN110751132A (zh) * 2019-11-22 2020-02-04 长春国科医工科技发展有限公司 一种基于双目视觉的手背静脉成像装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332676A (zh) * 2011-10-09 2012-01-25 深圳市达为光电科技有限公司 一种中红外光纤激光器
CN103337071A (zh) * 2013-06-19 2013-10-02 北京理工大学 基于结构重建的皮下静脉三维可视化装置及方法
CN106510626A (zh) * 2016-11-08 2017-03-22 重庆理工大学 基于双目立体视觉的人体浅层静脉三维重建装置及方法
CN109077882A (zh) * 2018-08-27 2018-12-25 复旦大学附属中山医院 基于近红外光谱技术的静脉穿刺系统
CN110751132A (zh) * 2019-11-22 2020-02-04 长春国科医工科技发展有限公司 一种基于双目视觉的手背静脉成像装置及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022117849A1 (en) * 2020-12-03 2022-06-09 B. Braun Melsungen Ag Image guided catheter insertion system and method
CN112990160A (zh) * 2021-05-17 2021-06-18 北京圣点云信息技术有限公司 一种基于光声成像技术的面部静脉识别方法及识别装置
CN114469008A (zh) * 2022-03-09 2022-05-13 浙江大学 基于血管近红外成像的血管穿刺难易智能分级装置
CN118078402A (zh) * 2024-04-28 2024-05-28 南昌大学第一附属医院 一种基于图像分割模型构建的留置针的智能化穿刺系统

Similar Documents

Publication Publication Date Title
CN111553322A (zh) 一种基于双目原理的手部静脉血管深度检测装置及检测方法
CN107041729A (zh) 双目近红外成像系统及血管识别方法
CN106073729B (zh) 光电容积脉搏波信号的采集方法
CN104688184B (zh) 可见光皮肤图像的静脉显像方法
CN102894960A (zh) 透射式手背静脉三维红外成像仪
CN110647815A (zh) 一种基于人脸视频图像的非接触式心率测量方法及系统
CN110298273A (zh) 一种基于多光谱图像的3d指静脉提取方法及系统
EP4108168A1 (en) Method and apparatus for generating photoplethysmography signal
CN110881955A (zh) 一种基于静脉穿刺机器人的静脉血管识别系统
CN110751132A (zh) 一种基于双目视觉的手背静脉成像装置及方法
EP4108167A1 (en) Method and device for generating photoplethysmography signal
CN104799815A (zh) 一种基于图像引导的血气采集装置及方法
CN112200099A (zh) 一种基于视频的动态心率检测方法
CN110084085A (zh) 基于成形信号的rppg高精度心率检测方法
CN110866235B (zh) 同时捕获人体脉搏和静脉图像的身份识别方法及装置
CN112022097A (zh) 一种头带式异质体监测设备及头部异质体监测方法、系统
CN204618246U (zh) 一种非接触式静脉血氧饱和度成像装置
CN109512418A (zh) 一种容积血流脉搏成像降低运动噪声方法
CN206403754U (zh) 基于双目立体视觉的人体浅层静脉三维重建装置
CN113456042A (zh) 一种基于3d cnn的无接触面部血压测量方法
EP3454731A1 (en) High resolution blood perfusion imaging using a camera and a pulse oximeter
CN113080936B (zh) 一种皮肤疾病皮损范围测量系统
Nowara et al. Seeing beneath the skin with computational photography
Kedir et al. Spectranet: A deep model for skin oxygenation measurement from multi-spectral data
RU2733470C1 (ru) Способ формирования трехмерной модели поверхности грудной клетки пациента 360 градусов с системой ЭКГ электродов, накладываемых по всей окружности грудной клетки пациента при неинвазивном электрофизиологическом картировании сердца

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240105

AD01 Patent right deemed abandoned