CN112006673A - 人体心率检测方法、系统、存储介质、计算机设备及终端 - Google Patents
人体心率检测方法、系统、存储介质、计算机设备及终端 Download PDFInfo
- Publication number
- CN112006673A CN112006673A CN202010873014.XA CN202010873014A CN112006673A CN 112006673 A CN112006673 A CN 112006673A CN 202010873014 A CN202010873014 A CN 202010873014A CN 112006673 A CN112006673 A CN 112006673A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- ppg signal
- ppg
- image
- intelligent terminal
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 41
- 238000005070 sampling Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000033764 rhythmic process Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 230000036541 health Effects 0.000 abstract description 6
- 238000009532 heart rate measurement Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 208000017667 Chronic Disease Diseases 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明属于脉率或心率测量技术领域，公开了一种人体心率检测方法、系统、存储介质、计算机设备及终端，获取PPG信号，通过智能终端获取手指图像，用FFT算法对其处理后，进行滤波，而利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；测量人体心率，通过分析PPG信号，检测峰波，减少PPG信号中的噪声信号，从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。本发明主要改善测量的效果，提高现有智能终端心率测量技术的精确度以及测量的稳定性，让人们能及时、有效而低成本地监测表征慢性病病情的关键身体指标、了解自身的健康状况。
Description
技术领域
本发明属于脉率或心率测量技术领域，尤其涉及一种人体心率检测方法、系统、存储介质、计算机设备及终端。
背景技术
目前：由于动脉活动可以引起人体特定部位的皮肤颜色产生微弱的变化，因而可以利用光学设备采集由动脉活动引起的皮肤颜色变化信息，并根据采集的图像测量人体参数。近两年来，在利用生物光学信息进行人体生理特征测量方面已存在一些研究成果，其中大多数基于专业的测量设备，此类方法虽然可以获得较好的精确性，但缺点在于设备费用较昂贵且便携性较差，不利于监测的普及和推广。利用移动终端摄像头实现人体生理参数的测量方面，国内外已经取得一定成果。
在不介入任何外来设备情况下，仅通过智能智能终端摄像头采集的手指颜色变化图像，实现对心率等人体生理参数的测量。文献“基于光电容积脉搏波成像心率检测技术的研究[D].导师：周云耀.武汉理工大学,2014.”公开了一种利用LED灯和光传感器收集指尖容积脉搏波，并由其检测心率的方法。该方法为了避免容积脉搏波中的重搏波波峰对于主波波峰计数的影响，借助于二次曲线跳过重搏点，以减小心率计算的误差。为了不将重搏点被误当作主波波峰，该方法设计了一种自拟合二次曲线跨越重搏点检测主波波峰的算法：在判断出前一个主波波峰和紧跟的谷点后，随机拟合一个开口朝下的二次函数，跨过重搏点，沿着容积脉搏波信号翻爬直至找到下一个主波波峰，重复此过程直到找到所有的主波波峰。文献所述方法通过由实验测定的经验性阈值为首个二次曲线的参数进行曲线拟合，适应性不强；在进行二次曲线参数的更新时，由前一个主波波峰和谷点计算出的二次曲线来进行下一个主波波峰探测，该方法对于平稳性差，信号基线变化快的容积脉搏波，随机拟合的二次曲线有可能跨过主波波峰，导致漏检，或者没有跨过重搏点，导致错检，最终造成心率输出误差过大利用相邻两点确定波峰，由于波峰与相邻两点之间灰度值差值较小，导致β值较小，并且计算得到的灰度值包含大量噪声信息，导致波峰无法检测出，或者中间某些点满足条件被误检测了，导致波峰统计不准确。
仅利用手指图像的绿像素来计算PPG信号，未考虑红像素和蓝像素包含的信息；同时也存在相应波峰检测的问题，检测波峰时，容易受到次波(venouspeak)的影响，导致多计数，由于PPG信号波峰容易受到信号干扰，导致波峰出变化比较平缓，若用相邻两点检测波峰，会漏掉波峰，导致少计数。
F.Lamonaca等人在2012年发表在IEEE一个会议上的论文：“ReliablePulseRateEvaluationbySmartphone”F.Lamonaca等截取手指图像边缘，去除图像边缘处误差，利用每张手指图像的红像素大于某个阀值个数来计算PPG信号，利用PPG信号的标准差作为检测PPG信号波峰的阀值，进行心率的测量。
上述技术，仅利用手指图像的红像素来计算PPG信号，未考虑绿像素和蓝像素包含的信息；确定采样频率时，同样没有考虑到硬件设备与采样频率的关系。
虽然用PPG信号的标准差来确定阀值改进了峰值确定方法，但是用相邻两点差值确定峰值，导致计数不准确，以及测量结果不稳定。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的便携式心率监测装置功能单一，只能监测心率值，不能对心率值长期保存和进行统计分析。
(2)多功能型的人体生理参数监测装置，虽然能对心率值进行长期保存和统计分析，但需要借助PC机来进行运算和显示，设备较庞大且笨重，不便携带和实时监测，存在耗电量大，成本高等问题。
解决以上问题及缺陷的难度为：
(1)扩展心率保存和统计分析功能，需要专用设备及专用算法，算法设计难度大、且扩展设备不利于便携和日常使用。
(2)专业型设备算法和外部检测设备复杂，操作步骤专业性强，难以在保证准确性的前提下，简化心率检测和分析步骤。
解决以上问题及缺陷的意义为：在专业型设备和便携式设备之间进行平衡，抛弃了传统的便携设备，检测和保存载体变为智能手机，仅需利用智能手机的摄像头和处理器，无需增加外设，可以得到比传统便携设备更好的检测效果和分析效果，以及保存时间。分析结果可以联网上传，进行在线就诊，可以短时就诊，多次复诊，便于掌握身体状况和医生给出诊疗建议，也能够极大的节省时间。
发明内容
针对现有技术存在的问题，本发明提供了一种人体心率检测方法、系统、存储介质、计算机设备及终端。
本发明是这样实现的，一种人体心率检测方法，所述人体心率检测方法包括：
获取PPG信号，通过智能终端获取手指图像；
获取的手指图像用FFT算法差分去噪处理后，进行滤波；
利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
测量人体心率，通过分析PPG信号，检测峰波。
进一步，所述获取PPG信号包括：将指尖贴在智能智能终端的摄像头上，打开智能智能终端的闪光灯，照相机设置为摄影模式，采样率设置为30帧/秒，白平衡设置为日光，对焦模式设置为无对焦，拍摄视频；得到图像，对图像利用差分方法法进行去噪，根据图像的功率密度计算PPG信号，利用峰值计数法从PPG信号中解调出人体心率。
进一步，所述分去噪包括：
首先，将后一帧图像的每个像素的亮度值减去前一帧图像对应像素的亮度值后取绝对值，即得到相邻两帧图像之间的每个像素点的亮度变化；取多帧，作差分后再求和，得到差分图，得到差分图后，再将其分成m行n列，共m*n个区域，计算每个区域的平均差分值，选平均差分值最大的区域作为最优兴趣区；
然后计算每帧图像在兴趣区中的红色通道的平均亮度值，以产生一个时序脉搏波信号，进行翻转以得到正常的脉搏波信号。
进一步，所述确定PPG信号包括：将脉搏波信号作差分，去除差分脉搏波信号中在均值±5×标准差范围外的异常值，并将原异常值位置的数据点通过三次样条插值方法补齐，再用积分方法重构脉搏波信号；利用滤后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号。
进一步，所述测量人体心率包括：
根据已知人体心率最大范围以及智能终端采样频率，计算得到一个周期内采样图像数
其中，frame为智能终端采样率，现在手机采样率一般大于为30Hz，心率HR为：30-150BPM，得到T为：30-12帧；根据f(n-k)+β＜f(n)＜f(n+k)+β；k＜T，f(n-k)与f(n+k)之间最多仅有一个波峰，设定k为8，在误差最小时对应β值。
进一步，通过统计PPG峰值测量人体心率的算法包括：
(1)在30Hz智能终端采样率下，设定k＝8，初始化n＝1，count＝0，N为采样图像数；
(2)如果f(n-k)+β<f(n)<f(n+k)+β&&n<N，则count＝count+1，N(count)＝n，n＝n+Δn，转入(2)，否则，转入(3)；
(3)如果n<N，则n＝n+1，转入(2)，否则，转入(4)；
(4)心率：
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取PPG信号，通过智能终端获取手指图像；
获取的手指图像用FFT算法差分去噪处理后，进行滤波；
利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
测量人体心率，通过分析PPG信号，检测峰波。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
获取PPG信号，通过智能终端获取手指图像；
获取的手指图像用FFT算法差分去噪处理后，进行滤波；
利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
测量人体心率，通过分析PPG信号，检测峰波。
本发明的另一目的在于提供一种实施所述人体心率检测方法的人体心率检测系统，所述人体心率检测系统包括：
图像获取模块，用于获取PPG信号，通过智能终端获取手指图像；
图像滤波模块，用于获取的手指图像用FFT算法对其处理后，进行滤波；
PPG信号确定模块，用于利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
PPG信号峰波检测模块，用于测量人体心率，通过分析PPG信号，检测峰波。
本发明的另一目的在于提供一种终端，所述终端搭载所述的人体心率检测系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明首先通过拍摄一段手指视频，通过FFT算法进行处理，然后选择视频中的某个区域作为最优兴趣区，通过计算每帧图像在最优兴趣区中红色通道的平均亮度值，产生一个PPG信号。然后对PPG信号进行滤波处理，首先将脉搏波信号作差分，然后去除差分脉搏波信号中在“均值±5×标准差”范围外的异常值，并将原异常值位置的数据点通过三次样条插值方法补齐，再用积分方法重构脉搏波信号。最后通过分析PPG信号，检测峰波，减小PPG信号中的噪声，得到人体心率。本发明主要改善测量的效果，已提高现有智能终端心率测量技术的精确度以及测量的稳定性，让人们能及时、有效而低成本地监测表征慢性病病情的关键身体指标、了解自身的健康状况。
运用本发明的技术方案仅通过智能终端摄像头测量人体的心率参数，使得人们随时随地就可以测量自身的健康状态。现在，中老年人的健康已经成为社会关注的焦点，而困扰中老年人健康的众多疾病，比如：肺炎，哮喘都和人体心率有关，说明了该技术的巨大的发展潜力。该技术的运用可以极大的满足人们的对自身健康的关注需求，减少医疗检测的复杂性，方便人们的生活。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的人体心率检测方法流程图。
图2是本发明实施例提供的人体心率检测系统的结构示意图；
图2中：1、图像获取模块；2、图像滤波模块；3、PPG信号确定模块；4、PPG信号峰波检测模块。
图3是本发明实施例提供的在重搏点附近检测容积脉搏波状态时的参考点选择示意图。
图4(a)是本发明实施例提供的有突变的原始脉搏信号示意图。
图4(b)是本发明实施例提供的差分后的脉搏信号示意图。
图4(c)是本发明实施例提供的通过三次样条插值方法补齐的信号示意图。
图4(d)是本发明实施例提供的积分重构之后的脉搏信号示意图。
图5(a)是本发明实施例提供的脉搏波滤波后的波形示意图。
图5(b)是本发明实施例提供的上图对应的傅里叶频谱示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种人体心率检测方法、系统、存储介质、计算机设备及终端，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的人体心率检测方法包括以下步骤：
S101：获取PPG信号，通过智能终端获取手指图像；
S102：获取的手指图像用FFT算法对其处理后，进行滤波；
S103：利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
S104：测量人体心率，通过分析PPG信号，检测峰波，减少PPG信号中的噪声信号，从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。
本发明提供的人体心率检测方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的人体心率检测方法仅仅是一个具体实施例而已。
如图2所示，本发明提供的人体心率检测系统包括：
图像获取模块1，用于获取PPG信号，通过智能终端获取手指图像；
图像滤波模块2，用于获取的手指图像用FFT算法对其处理后，进行滤波；
PPG信号确定模块3，用于利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
PPG信号峰波检测模块4，用于测量人体心率，通过分析PPG信号，检测峰波。
下面结合附图对本发明的技术方案作进一步的描述。
本发明提供的人体心率检测方法包括以下步骤：
(1)获取PPG信号：
将人体指尖贴在智能智能终端的摄像头上，打开智能智能终端的闪光灯，照相机设置为摄影模式，采样率设置为30帧/秒，白平衡设置为“日光”，对焦模式设置为“无对焦”，拍摄一段时间的视频；得到图像，对图像利用差分方法法进行去噪，根据图像的功率密度计算PPG信号，利用峰值计数法从PPG信号中解调出人体心率，实现对心率生理参数的高精确性测量。
(2)差分去噪：
首先，将后一帧图像的每个像素的亮度值减去前一帧图像对应像素的亮度值后取绝对值，即得到相邻两帧图像之间的每个像素点的亮度变化。一般情况下，这个变化值很小，容易受到噪声干扰，且难以反映其他时刻图像的亮度变化，因此需要取多帧，作差分后再求和，得到差分图。得到差分图后，再将其分成m行n列，共m*n个区域，计算每个区域的平均差分值。最后，选平均差分值最大的区域作为最优兴趣区。
然后计算每帧图像在兴趣区中的红色通道的平均亮度值，以产生一个时序脉搏波信号。此处选择红色通道是因为对大多数智能智能终端而言，手指图像的主要颜色为红，且红色具有最好的稳定性。因为智能终端获取的脉搏波工作在反射模式，还必须将其进行翻转以得到“正常”的脉搏波信号。
将脉搏波信号作差分，然后去除差分脉搏波信号中在“均值±5×标准差”范围外的异常值，并将原异常值位置的数据点通过三次样条插值方法补齐，再用积分方法重构脉搏波信号。而利用滤后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号。
(3)测量人体心率：
已知人体心率正常范围为60-100BPM，对考虑个体差异，人体心率范围为30-150BPM，实际中不可能出现超过此范围的心率。根据已知人体心率最大范围以及智能终端采样频率，计算得到一个周期内采样图像数
其中，frame为智能终端采样率，现在手机采样率一般大于为30Hz，心率HR为：30-150BPM，得到T为：30-12帧。根据f(n-k)+β＜f(n)＜f(n+k)+β，根据数学推导，只要k＜T，f(n-k)与f(n+k)之间最多仅有一个波峰，实验设定k为8，为了更好减少噪声误差影响，在误差最小时对应β值。通过统计PPG峰值测量人体心率的算法如下：
Step1：在30Hz智能终端采样率下，设定k＝8，，初始化n＝1，count＝0，N为采样图像数；
Step2：如果f(n-k)+β<f(n)<f(n+k)+β&&n<N，则count＝count+1，N(count)＝n，n＝n+Δn，转入step2，否则，转入step3；
Step3：如果n<N，则n＝n+1，转入step2，否则，转入step4。
Step4：心率：
从第二个波峰开始计数，避免了检测满足条件f(n-k)+β<f(n)<f(n+k)+β的n点不是真正的波峰，只是峰值附近的点产生的误差。根据算法，检测到一个波峰后，f(n-k)>f(n)<f(n+k)，直到在下一个波峰附近，才满足f(n-k)+β<f(n)<f(n+k)+β，该算法不会对一个波峰多次计数。
由于[n-k，n+k]之间距离>T/2，且根据PPG信号波形，PPG信号的次波的波峰不会满足f(n-k)+β<f(n)<f(n+k)+β条件，可以防止次波的影响检测波峰；由于
在波峰比较平缓处，波峰点仍根据f(n-k)+β<f(n)<f(n+k)+β条件检测出，故不会漏掉波峰点；由于β值比较大，故PPG信号中含有噪声信号的点不满足f(n-k)+β<f(n)<f(n+k)+β条件。
下面结合实验对本发明的技术效果作详细的描述。
1、误差分析：
在Android平台上使用Java语言开发出了心率软件，软件基于上述方法实现心率测量。本发明实验的目的是说明，相比现有利用移动终端进行人体生理特征测量的方法，在较差硬件条件和采样频率的前提下，具有更高的精确性。本实验使用Huaweinova5 pro智能终端采集人体手指图像。
2、根据实验结果，与相关工作进行对比分析
表1设备以及实验结果对比表
图4(a)是本发明实施例提供的有突变的原始脉搏信号示意图。
图4(b)是本发明实施例提供的差分后的脉搏信号示意图。
图4(c)是本发明实施例提供的通过三次样条插值方法补齐的信号示意图。
图4(d)是本发明实施例提供的积分重构之后的脉搏信号示意图。
图5(a)是本发明实施例提供的脉搏波滤波后的波形示意图。
图5(b)是本发明实施例提供的上图对应的傅里叶频谱示意图。
表2各种兴趣区选择方法计算的心率与心电图心率的比较
从实验结果与相关工作的对比分析可以看出，在相对较差的硬件条件下，针对不同个体，本发明的算法的平均误差较小。在不介入任何外来设备情况下，仅利用智能终端采集的手指图像，利用基于差分的去噪方法对手指图像进行去噪，利用手指图像的功率密度计算PPG信号，通过检测PPG信号的峰值，在智能终端上实现人体心率测量，相比现有的成果，本发明的算法精度更高。可以通过利用专用附加摄像头或传感器使得心率测量更加准确。算法应用方面，可以通过话筒采集第二心音，将心音信号以类似方法进行处理，通过以第二心音的峰值点为起点，以PPG信号的波峰点作为终点，通过计算脉搏传导时间，利用回归方程估计血压情况。通过血压和心率综合判断身体状况，对冠心病、高血压等需要长时间连续监测身体状况的病人极为有效。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种人体心率检测方法，其特征在于，所述人体心率检测方法包括：
获取PPG信号，通过智能终端获取手指图像；
获取的手指图像用FFT算法差分去噪处理后，进行滤波；
利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
测量人体心率，通过分析PPG信号，检测峰波。
2.如权利要求1所述的人体心率检测方法，其特征在于，所述获取PPG信号包括：将指尖贴在智能智能终端的摄像头上，打开智能智能终端的闪光灯，照相机设置为摄影模式，采样率设置为30帧/秒，白平衡设置为日光，对焦模式设置为无对焦，拍摄视频；得到图像，对图像利用差分方法法进行去噪，根据图像的功率密度计算PPG信号，利用峰值计数法从PPG信号中解调出人体心率。
3.如权利要求1所述的人体心率检测方法，其特征在于，所述分去噪包括：
首先，将后一帧图像的每个像素的亮度值减去前一帧图像对应像素的亮度值后取绝对值，即得到相邻两帧图像之间的每个像素点的亮度变化；取多帧，作差分后再求和，得到差分图，得到差分图后，再将其分成m行n列，共m*n个区域，计算每个区域的平均差分值，选平均差分值最大的区域作为最优兴趣区；
然后计算每帧图像在兴趣区中的红色通道的平均亮度值，以产生一个时序脉搏波信号，进行翻转以得到正常的脉搏波信号。
4.如权利要求1所述的人体心率检测方法，其特征在于，所述确定PPG信号包括：将脉搏波信号作差分，去除差分脉搏波信号中在均值±5×标准差范围外的异常值，并将原异常值位置的数据点通过三次样条插值方法补齐，再用积分方法重构脉搏波信号；利用滤后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号。
5.如权利要求1所述的人体心率检测方法，其特征在于，所述测量人体心率包括：
根据已知人体心率最大范围以及智能终端采样频率，计算得到一个周期内采样图像数
其中，frame为智能终端采样率，现在手机采样率一般大于为30Hz，心率HR为：30-150BPM，得到T为：30-12帧；根据f(n-k)+β＜f(n)＜f(n+k)+β；k＜T，f(n-k)与f(n+k)之间最多仅有一个波峰，设定k为8，在误差最小时对应β值。
6.如权利要求5所述的人体心率检测方法，其特征在于，通过统计PPG峰值测量人体心率的算法包括：
(1)在30Hz智能终端采样率下，设定k＝8，初始化n＝1，count＝0，N为采样图像数；
(2)如果f(n-k)+β<f(n)<f(n+k)+β&&n<N，则count＝count+1，N(count)＝n，n＝n+Δn，转入(2)，否则，转入(3)；
(3)如果n<N，则n＝n+1，转入(2)，否则，转入(4)；
(4)心率：
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取PPG信号，通过智能终端获取手指图像；
获取的手指图像用FFT算法差分去噪处理后，进行滤波；
利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
测量人体心率，通过分析PPG信号，检测峰波。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
获取PPG信号，通过智能终端获取手指图像；
获取的手指图像用FFT算法差分去噪处理后，进行滤波；
利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
测量人体心率，通过分析PPG信号，检测峰波。
9.一种实施权利要求1～6任意一项所述人体心率检测方法的人体心率检测系统，其特征在于，所述人体心率检测系统包括：
图像获取模块，用于获取PPG信号，通过智能终端获取手指图像；
图像滤波模块，用于获取的手指图像用FFT算法对其处理后，进行滤波；
PPG信号确定模块，用于利用滤波后的PPG频谱信息，结合三种像素保护的信息的权重，计算功率密度确定PPG信号；
PPG信号峰波检测模块，用于测量人体心率，通过分析PPG信号，检测峰波。
10.一种终端，其特征在于，所述终端搭载权利要求9所述的人体心率检测系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010873014.XA CN112006673A (zh) | 2020-08-26 | 2020-08-26 | 人体心率检测方法、系统、存储介质、计算机设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010873014.XA CN112006673A (zh) | 2020-08-26 | 2020-08-26 | 人体心率检测方法、系统、存储介质、计算机设备及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112006673A true CN112006673A (zh) | 2020-12-01 |
Family
ID=73502341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010873014.XA Pending CN112006673A (zh) | 2020-08-26 | 2020-08-26 | 人体心率检测方法、系统、存储介质、计算机设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112006673A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113317766A (zh) * | 2021-05-12 | 2021-08-31 | 西安电子科技大学 | 一种基于a311d的嵌入式非接触式生理参数监测系统 |
| CN114081464A (zh) * | 2021-10-25 | 2022-02-25 | 北京极豪科技有限公司 | 心率检测方法、装置和电子设备 |
| US11825206B2 (en) | 2021-04-12 | 2023-11-21 | Nokia Technologies Oy | Mapping pulse propagation |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103860152A (zh) * | 2014-04-02 | 2014-06-18 | 辛勤 | 一种对脉搏波信号进行处理的方法 |
| CN103932693A (zh) * | 2014-03-27 | 2014-07-23 | 西安电子科技大学 | 一种基于手机图像的人体心率的测量方法 |
| CN104688234A (zh) * | 2015-03-17 | 2015-06-10 | 吉林大学 | 一种icg色素浓度谱的无创、抗扰动检测方法 |
| WO2016205414A1 (en) * | 2015-06-15 | 2016-12-22 | Vital Labs, Inc. | Method and system for cardiovascular disease assessment and management |
| CN106333652A (zh) * | 2016-10-18 | 2017-01-18 | 首都医科大学 | 一种睡眠状态分析方法 |
| CN105266772B (zh) * | 2014-06-20 | 2018-07-27 | 赵海 | 一种生理参数的测量方法 |
| CN110378240A (zh) * | 2019-06-25 | 2019-10-25 | 深圳先进技术研究院 | 基于移动终端的心率变异性测量方法、装置及移动终端 |
| CN110558960A (zh) * | 2019-09-10 | 2019-12-13 | 重庆大学 | 一种基于ptt和miv-ga-svr的连续血压无创监测方法 |
| CN111000541A (zh) * | 2019-12-25 | 2020-04-14 | 南京宁康中科医疗技术有限公司 | 个性化深呼吸训练处方的制定和实施方法、系统及装置 |
| CN111248900A (zh) * | 2020-03-31 | 2020-06-09 | 燕山大学 | 一种基于单通道心脑信息耦合分析方法及系统 |
| CN111387966A (zh) * | 2020-03-20 | 2020-07-10 | 中国科学院深圳先进技术研究院 | 信号波重构方法及心率变异性信息的检测设备 |
| US10750959B2 (en) * | 2017-03-21 | 2020-08-25 | Tata Consultancy Services Limited | Heart rate estimation from face videos using quality based fusion |
-
2020
- 2020-08-26 CN CN202010873014.XA patent/CN112006673A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103932693A (zh) * | 2014-03-27 | 2014-07-23 | 西安电子科技大学 | 一种基于手机图像的人体心率的测量方法 |
| CN103860152A (zh) * | 2014-04-02 | 2014-06-18 | 辛勤 | 一种对脉搏波信号进行处理的方法 |
| CN105266772B (zh) * | 2014-06-20 | 2018-07-27 | 赵海 | 一种生理参数的测量方法 |
| CN104688234A (zh) * | 2015-03-17 | 2015-06-10 | 吉林大学 | 一种icg色素浓度谱的无创、抗扰动检测方法 |
| WO2016205414A1 (en) * | 2015-06-15 | 2016-12-22 | Vital Labs, Inc. | Method and system for cardiovascular disease assessment and management |
| CN106333652A (zh) * | 2016-10-18 | 2017-01-18 | 首都医科大学 | 一种睡眠状态分析方法 |
| US10750959B2 (en) * | 2017-03-21 | 2020-08-25 | Tata Consultancy Services Limited | Heart rate estimation from face videos using quality based fusion |
| CN110378240A (zh) * | 2019-06-25 | 2019-10-25 | 深圳先进技术研究院 | 基于移动终端的心率变异性测量方法、装置及移动终端 |
| CN110558960A (zh) * | 2019-09-10 | 2019-12-13 | 重庆大学 | 一种基于ptt和miv-ga-svr的连续血压无创监测方法 |
| CN111000541A (zh) * | 2019-12-25 | 2020-04-14 | 南京宁康中科医疗技术有限公司 | 个性化深呼吸训练处方的制定和实施方法、系统及装置 |
| CN111387966A (zh) * | 2020-03-20 | 2020-07-10 | 中国科学院深圳先进技术研究院 | 信号波重构方法及心率变异性信息的检测设备 |
| CN111248900A (zh) * | 2020-03-31 | 2020-06-09 | 燕山大学 | 一种基于单通道心脑信息耦合分析方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11825206B2 (en) | 2021-04-12 | 2023-11-21 | Nokia Technologies Oy | Mapping pulse propagation |
| CN113317766A (zh) * | 2021-05-12 | 2021-08-31 | 西安电子科技大学 | 一种基于a311d的嵌入式非接触式生理参数监测系统 |
| CN114081464A (zh) * | 2021-10-25 | 2022-02-25 | 北京极豪科技有限公司 | 心率检测方法、装置和电子设备 |
| CN114081464B (zh) * | 2021-10-25 | 2023-06-30 | 天津极豪科技有限公司 | 心率检测方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112006673A (zh) | 人体心率检测方法、系统、存储介质、计算机设备及终端 | |
| Rong et al. | A multi-type features fusion neural network for blood pressure prediction based on photoplethysmography | |
| US20220273183A1 (en) | Processing of electrophysiological signals | |
| JP6811773B2 (ja) | フォトプレチスモグラム（ｐｐｇ）信号品質を定量化する方法 | |
| CN105266772B (zh) | 一种生理参数的测量方法 | |
| CN106725396B (zh) | 一种基于双脉搏波的无创逐拍血压测量装置以及测量方法 | |
| CN100407993C (zh) | 一种光-频率转换式脉搏血氧仪的数字信号处理方法 | |
| JP7267311B2 (ja) | ゆらぎ周波数でのインビボチャネル検知及びインジェスティブルセンサ検出用の低電力レシーバー | |
| CN101683260B (zh) | 一种节律性生理信号的优化处理方法及装置 | |
| CN102626307A (zh) | 动态脉搏信号实时检测系统及检测方法 | |
| CN103340622A (zh) | 基于智能手机的房颤自动检测系统 | |
| CN107530015B (zh) | 一种生命体征分析方法与系统 | |
| CN109512395B (zh) | 一种生物信号的分析处理方法、装置及设备 | |
| CN103989463A (zh) | 一种基于指端脉搏波的桡动脉脉搏波检测系统及方法 | |
| Bent et al. | Optimizing sampling rate of wrist-worn optical sensors for physiologic monitoring | |
| US20190008464A1 (en) | Health Status Detecting System and Method for Detecting Health Status | |
| EP3364856B1 (en) | Method and device for heart rate detection with multi-use capacitive touch sensors | |
| CN204581297U (zh) | 一种基于脉搏波的胰岛素抵抗检测仪 | |
| Rueda et al. | Compelling new electrocardiographic markers for automatic diagnosis | |
| CN111278353A (zh) | 一种生命体征信号噪声的检测方法与系统 | |
| CN115024705A (zh) | 基于示波法的血压测量异常检测方法、系统与装置 | |
| US11324411B2 (en) | Method and system for determining cardiovascular parameters | |
| CN104688214B (zh) | 一种基于软件滤波与数据统计算法的心率计算装置和心率计算方法 | |
| WO2024140490A1 (zh) | 光信号处理方法和系统、连续血压测量方法、电子设备及介质 | |
| US20230148880A1 (en) | Method and system for determining cardiovascular parameters |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201201 |