CN113488162A - 一种非接触式中医脉象检测方法及装置 - Google Patents
一种非接触式中医脉象检测方法及装置 Download PDFInfo
- Publication number
- CN113488162A CN113488162A CN202110761753.4A CN202110761753A CN113488162A CN 113488162 A CN113488162 A CN 113488162A CN 202110761753 A CN202110761753 A CN 202110761753A CN 113488162 A CN113488162 A CN 113488162A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- traditional chinese
- pulse condition
- color
- condition detection
- 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 39
- 239000003814 drug Substances 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000926 separation method Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000002087 whitening effect Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 8
- 239000000284 extract Substances 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 abstract description 2
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 238000013186 photoplethysmography Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Cardiology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alternative & Traditional Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了中医检测技术领域的一种非接触式中医脉象检测方法,包括以下步骤:S1:视频采集;S2:人脸检测;S3:ROI提取;S4:信号预处理;S5:盲源分离;S6:频谱分析;S7:脉象提取分析;一种非接触式中医脉象检测装置,包括双目摄像头、视频图像处理单元和业务功能处理单元;本发明利用普通摄像头拍摄人脸视频,通过人脸检测、三基色分离等数字图像技术,盲源分离、滤波和离散傅立叶变换等数字信号处理技术,从所拍摄视频中采集得到的光电容积脉搏波信号中提取出中医脉象信息,通过相对中医脉象理论对脉象进行分析,能更准确地得出身体的健康状况。
Description
技术领域
本发明涉及中医检测技术领域,具体涉及一种非接触式中医脉象检测方法及装置。
背景技术
脉象具有非常悠久的历史,它是一项非常重要的健康数据,通过对脉象数据的采集与分析,可以诊断出人们身体的健康状况。因此,对脉象的采集与分析具有非常深远的价值。心脏每一次的舒张和收缩,都以压力波地形式把血液运送至身体各个部位,动脉的血管容积伴随其会发生周期性的变动,导致了人体皮肤表面位移和颜色的变化,光电容积脉搏波(PPG)技术就是利用这种变化来来描述脉象。
目前测量健康数据的装置功能多集中于心率及心率变异性监测,在中医健康监测方面功能简单。现有个人健康监测产品更多用于对血压、血糖体温等的检测,对中医脉象进行检测的健康检测产品比较少。而功能准确的医用仪器如心电图监测仪需十二点导联或十八导联,体积大,操作复杂,普通人群无法方便携带并正确使用。
因此,亟需设计一种非接触式中医脉象检测方法及装置。
发明内容
本发明的目的在于提供一种非接触式中医脉象检测方法及装置,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种非接触式中医脉象检测方法,包括以下步骤:
S1:视频采集;
S2:人脸检测;
S3:ROI提取;
S4:信号预处理;
S5:盲源分离;
S6:频谱分析;
S7:脉象提取分析。
进一步的,上述非接触式中医脉象检测方法中,在上述S1中,使用摄像头拍摄60秒的彩色视频,以24位RGB真彩色、30帧/秒的帧速、640×480的像素分辨率采集,并以AVI格式保存。
进一步的,上述非接触式中医脉象检测方法中,在上述S2中,人脸检测算法为基于肤色特征的人脸检测技术,数字图像的存储利用RGB颜色空间,先过滤掉图像中的所有亮度值,并在其中打上大量网格,然后对每一个区域块图像都做二值分析,最后通过比较各个不同像素点的RGB三个通道各自的取值及其比例还有肤色的变化范围,用以判定当前检测的像素点及其周围区域是否来自一个人脸区域;人脸检测程序返回视频中每一帧图像的脸部区域的位置坐标x和y,以及面部方框的高度和宽度。
进一步的,上述非接触式中医脉象检测方法中,在上述S3中,读取彩色视频的每一帧感兴趣区域内的图像,对其彩色信号实施三基色分离,以便得到R、G、B三个通道的颜色分量,并将其保存成一个三维数字矩阵,矩阵维数是640×480×3;其中第三个维度代表R、G、B三个颜色通道,余下两维的矩阵中的每一个位置上都是感兴趣区域内每个相应位置的R、G、B通道的像素值,均为介于0到256之间一个值。
进一步的,上述非接触式中医脉象检测方法中,在上述S4中,将每帧R、G、B三个颜色通道所对应的各自二维矩阵取空间平均,即一个矩阵中所有像素值的算术平均值,作为该帧视频图像所处时刻的PPG信号样本值,由此可以提取三组分别包含有心脏跳动信号的、时间域上的离散时间信号序列,作为采用的原始PPG信号,分别记为x1(t),x2(t),x3(t);
为避免FFT的积分过程中受到趋势项的影响,对原始的三个颜色通道数据分别进行去线性趋势化处理;采用一般最小二乘法来去除信号序列中的线性趋势项:
1)、先利用最小二乘法将R、G、B三个通道数据分别对时间(即帧的指标t)进行一元线性回归,得到一条回归直线,即:
其中a为回归方程常数项,b为回归方程斜率项;
2)、将初始的三通道信号序列分别减掉所得的回归直线,也就是线性趋势项,获得新的三通道信号序列,即:
3)、再对三个通道信号序列分别进行标准化处理,也就是按如下形式计算:
其中μ、σ分别为样本平均值和样本标准差,数据标准化的目的是使得xi()t具有零均值和单位方差,以去除量纲的影响。
进一步的,上述非接触式中医脉象检测方法中,在上述S5中,操作步骤为:
1)、对原始数据X做中心化处理,使其样本均值为0;
2)、对中心化数据进行白化处理,使其样本方差为1,X->Z;
3)、设定即将估计的成分的数目m,设定迭代次数p<-1;
4)、指定一个初始权重向量Wp,并尝试不同的初始值,以检测结果的稳定性。
进一步的,上述非接触式中医脉象检测方法中,在上述S6中,采用一维数字滤波器,即无限冲激响应滤波器,具有线性、时不变特点,其输出序列y(n)和输入序列x(n)由下列的常系数线性差分方程形式来刻画:
y(n)=b(1)x(n)+b(2)x(n-1)+…+b(nb+1)x(n-nb)-a(2)y(n-1)-…-a(na+1)y(n-na)
其中n-1是滤波器阶数,a是滤波器分母权重向量,b是滤波器分子权重向量,na是反馈滤波器阶数,nb是前馈滤波器阶数。
进一步的,上述非接触式中医脉象检测方法中,在上述S7中,提取分离处理脉搏波后,进行脉象波形的分析。
一种非接触式中医脉象检测装置,包括双目摄像头、视频图像处理单元和业务功能处理单元。
与现有技术相比,本发明的有益效果是:
本发明利用普通摄像头拍摄人脸视频,通过人脸检测、三基色分离等数字图像技术,盲源分离、滤波和离散傅立叶变换等数字信号处理技术,从所拍摄视频中采集得到的光电容积脉搏波信号中提取出中医脉象信息;通过相对中医脉象理论对脉象进行分析,能更准确地得出身体的健康状况,同时,其理论体系具有非常简化实用的特点,能系统分析数据,并将健康监测和健康管理方案相结合,达到便捷且智能的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明方法流程图;
图2为本发明RGB三组颜色通道的序列趋势图;
图3为本发明信号预处理后RGB三组颜色通道的序列趋势图;
图4为本发明频谱分析示意图;
图5为本发明脉象波形分析图;
图6为本发明装置架构示意图;
图7为本发明装置架构示意图;
附图中,各标号所代表的部件列表如下:
1-双目摄像头,2-视频图像处理单元,3-业务功能处理单元。
具体实施方式
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
一种非接触式中医脉象检测方法,包括以下步骤:
S1:视频采集;使用摄像头拍摄60秒的彩色视频,以24位RGB真彩色、30帧/秒的帧速、640×480的像素分辨率采集,并以AVI格式保存。
S2:人脸检测;人脸检测算法为基于肤色特征的人脸检测技术,由于改变人脸肤色值的最常见的因素是光线亮度值的改变,数字图像的存储利用RGB颜色空间,先过滤掉图像中的所有亮度值,并在其中打上大量网格,然后对每一个区域块图像都做二值分析,最后通过比较各个不同像素点的RGB三个通道各自的取值及其比例还有肤色的变化范围,用以判定当前检测的像素点及其周围区域是否来自一个人脸区域;人脸检测程序返回视频中每一帧图像的脸部区域的位置坐标x和y,以及面部方框的高度和宽度。本研究所采用的视频中要求所有参与者在拍摄时的动作幅度不能太大。
S3:ROI提取;读取彩色视频的每一帧感兴趣区域内的图像,对其彩色信号实施三基色分离,以便得到R、G、B三个通道的颜色分量,并将其保存成一个三维数字矩阵,矩阵维数是640×480×3;其中第三个维度代表R、G、B三个颜色通道,余下两维的矩阵中的每一个位置上都是感兴趣区域内每个相应位置的R、G、B通道的像素值,均为介于0到256之间一个值。RGB三组颜色通道的序列趋势如图2所示(由上往下分别为红、黄、蓝通道的趋势图)。
S4:信号预处理;为得到原始的PPG信号,将每帧R、G、B三个颜色通道所对应的各自二维矩阵取空间平均,即一个矩阵中所有像素值的算术平均值,作为该帧视频图像所处时刻的PPG信号样本值,由此可以提取三组分别包含有心脏跳动信号的、时间域上的离散时间信号序列,作为采用的原始PPG信号,分别记为x1(t),x2(t),x3(t);其中t指示帧,若一段视频长度是60秒,则每秒就有30帧图像,每个通道也就得到一组长度为1800的离散时间信号数据。
趋势项是指在数字信号序列中偏离基线水平而随时间变化的成分,若是信号序列中潜含着趋势项,将会使得对序列的积分变换的计算结果出现巨大的偏差,会与实际情形极其不符。
为避免FFT的积分过程中受到趋势项的影响,对原始的三个颜色通道数据分别进行去线性趋势化处理;采用一般最小二乘法来去除信号序列中的线性趋势项:
1)、先利用最小二乘法将R、G、B三个通道数据分别对时间(即帧的指标t)进行一元线性回归,得到一条回归直线,即:
其中a为回归方程常数项,b为回归方程斜率项;
2)、将初始的三通道信号序列分别减掉所得的回归直线,也就是线性趋势项,获得新的三通道信号序列,即:
3)、再对三个通道信号序列分别进行标准化处理,也就是按如下形式计算:
其中μ、σ分别为样本平均值和样本标准差,数据标准化的目的是使得xi()t具有零均值和单位方差,以去除量纲的影响,有利于不同数据之间的比较与分析(信号预处理后RGB三组颜色通道的序列趋势图如图3所示)。
S5:盲源分离;操作步骤为:
1)、对原始数据X做中心化处理,使其样本均值为0;
2)、对中心化数据进行白化处理,使其样本方差为1,X->Z;
3)、设定即将估计的成分的数目m,设定迭代次数p<-1;
4)、指定一个初始权重向量Wp,并尝试不同的初始值,以检测结果的稳定性。
S6:频谱分析;采用一维数字滤波器(为实际中常用的转置直接II型递归结构的IIR滤波器),即无限冲激响应滤波器,具有线性、时不变特点,其输出序列y(n)和输入序列x(n)由下列的常系数线性差分方程形式来刻画:
y(n)=b(1)x(n)+b(2)x(n-1)+…+b(nb+1)x(n-nb)-a(2)y(n-1)-…-a(na+1)y(n-na)
其中n-1是滤波器阶数,a是滤波器分母权重向量,b是滤波器分子权重向量,na是反馈滤波器阶数,nb是前馈滤波器阶数。
S7:脉象提取分析;提取分离处理脉搏波后,进行脉象波形的分析。如图5所示,横轴为时间,纵轴为血液容积的大小变化;U点是脉搏波信号的最低点,此时心脏进入收缩阶段,大量血液射入主动脉,人体血管中的血容积增加,是波形的最低点,即射血的开始;Z点是信号的顶点,此时血管内血容积量达到最大值;W点是信号降支中的局部顶点,对应于返流血液遇到已关闭的主动脉瓣反射后的最大射血量(部分个体拐点不明显或没有);V点是心脏收缩期结束,代表射血结束。
一种非接触式中医脉象检测装置,包括双目摄像头1、视频图像处理单元2和业务功能处理单元3。采集过程中先用补光设备照射人脸区域,然后用45°角度的双目摄像头采集人脸视频图像1分钟,视频帧画面须同步如图左右人脸颈区、眼区、唇区、鼻区、耳区5个脉动感兴趣区域。利用双目摄像头45°拍摄人脸,能够获取更全的人脸动态数据,分析出更全面的中医脉象信息。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种非接触式中医脉象检测方法,其特征在于,包括以下步骤:
S1:视频采集;
S2:人脸检测;
S3:ROI提取;
S4:信号预处理;
S5:盲源分离;
S6:频谱分析;
S7:脉象提取分析。
2.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S1中,使用摄像头拍摄60秒的彩色视频,以24位RGB真彩色、30帧/秒的帧速、640×480的像素分辨率采集,并以AVI格式保存。
3.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S2中,人脸检测算法为基于肤色特征的人脸检测技术,数字图像的存储利用RGB颜色空间,先过滤掉图像中的所有亮度值,并在其中打上大量网格,然后对每一个区域块图像都做二值分析,最后通过比较各个不同像素点的RGB三个通道各自的取值及其比例还有肤色的变化范围,用以判定当前检测的像素点及其周围区域是否来自一个人脸区域;人脸检测程序返回视频中每一帧图像的脸部区域的位置坐标x和y,以及面部方框的高度和宽度。
4.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S3中,读取彩色视频的每一帧感兴趣区域内的图像,对其彩色信号实施三基色分离,以便得到R、G、B三个通道的颜色分量,并将其保存成一个三维数字矩阵,矩阵维数是640×480×3;其中第三个维度代表R、G、B三个颜色通道,余下两维的矩阵中的每一个位置上都是感兴趣区域内每个相应位置的R、G、B通道的像素值,均为介于0到256之间一个值。
5.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S4中,将每帧R、G、B三个颜色通道所对应的各自二维矩阵取空间平均,即一个矩阵中所有像素值的算术平均值,作为该帧视频图像所处时刻的PPG信号样本值,由此可以提取三组分别包含有心脏跳动信号的、时间域上的离散时间信号序列,作为采用的原始PPG信号,分别记为x1(t),x2(t),x3(t);
为避免FFT的积分过程中受到趋势项的影响,对原始的三个颜色通道数据分别进行去线性趋势化处理;采用一般最小二乘法来去除信号序列中的线性趋势项:
1)、先利用最小二乘法将R、G、B三个通道数据分别对时间(即帧的指标t)进行一元线性回归,得到一条回归直线,即:
其中a为回归方程常数项,b为回归方程斜率项;
2)、将初始的三通道信号序列分别减掉所得的回归直线,也就是线性趋势项,获得新的三通道信号序列,即:
3)、再对三个通道信号序列分别进行标准化处理,也就是按如下形式计算:
其中μ、σ分别为样本平均值和样本标准差,数据标准化的目的是使得xi()t具有零均值和单位方差,以去除量纲的影响。
6.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S5中,操作步骤为:
1)、对原始数据X做中心化处理,使其样本均值为0;
2)、对中心化数据进行白化处理,使其样本方差为1,X->Z;
3)、设定即将估计的成分的数目m,设定迭代次数p<-1;
4)、指定一个初始权重向量Wp,并尝试不同的初始值,以检测结果的稳定性。
7.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S6中,采用一维数字滤波器,即无限冲激响应滤波器,具有线性、时不变特点,其输出序列y(n)和输入序列x(n)由下列的常系数线性差分方程形式来刻画:
y(n)=b(1)X(n)+b(2)x(n-1)+…+b(nb+1)x(n-nb)-a(2)y(n-1)-…-a(na+1)y(n-na)
其中n-1是滤波器阶数,a是滤波器分母权重向量,b是滤波器分子权重向量,na是反馈滤波器阶数,nb是前馈滤波器阶数。
8.根据权利要求1所述的一种非接触式中医脉象检测方法,其特征在于:在上述S7中,提取分离处理脉搏波后,进行脉象波形的分析。
9.一种非接触式中医脉象检测装置,包括双目摄像头(1)、视频图像处理单元(2)和业务功能处理单元(3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761753.4A CN113488162A (zh) | 2021-07-06 | 2021-07-06 | 一种非接触式中医脉象检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761753.4A CN113488162A (zh) | 2021-07-06 | 2021-07-06 | 一种非接触式中医脉象检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113488162A true CN113488162A (zh) | 2021-10-08 |
Family
ID=77941439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110761753.4A Pending CN113488162A (zh) | 2021-07-06 | 2021-07-06 | 一种非接触式中医脉象检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113488162A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115500803A (zh) * | 2022-09-29 | 2022-12-23 | 联想(北京)有限公司 | 一种信息确定方法及电子设备 |
CN116109818A (zh) * | 2023-04-11 | 2023-05-12 | 成都中医药大学 | 一种基于面部视频的中医脉候判别系统及方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334868A (zh) * | 2018-03-21 | 2018-07-27 | 华南师范大学 | 一种基于ppg信号和图像增强的脉象分析方法 |
CN112949349A (zh) * | 2019-12-09 | 2021-06-11 | 南宁莲现健康科技有限公司 | 基于人脸视频实时显示脉象波形的方法和系统 |
-
2021
- 2021-07-06 CN CN202110761753.4A patent/CN113488162A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334868A (zh) * | 2018-03-21 | 2018-07-27 | 华南师范大学 | 一种基于ppg信号和图像增强的脉象分析方法 |
CN112949349A (zh) * | 2019-12-09 | 2021-06-11 | 南宁莲现健康科技有限公司 | 基于人脸视频实时显示脉象波形的方法和系统 |
Non-Patent Citations (3)
Title |
---|
姚丽峰: "基于PPG和彩色视频的非接触式心率测量", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
张晴晴等: "基于人脸视频信息的脉象分析", 《暨南大学学报( 自然科学与医学版)》 * |
杨福生: "《随机信号分析》", 31 July 1990, 清华大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115500803A (zh) * | 2022-09-29 | 2022-12-23 | 联想(北京)有限公司 | 一种信息确定方法及电子设备 |
CN116109818A (zh) * | 2023-04-11 | 2023-05-12 | 成都中医药大学 | 一种基于面部视频的中医脉候判别系统及方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107529646B (zh) | 一种基于欧拉影像放大的无接触式心率测量方法及装置 | |
Casado et al. | Face2PPG: An unsupervised pipeline for blood volume pulse extraction from faces | |
WO2021184805A1 (zh) | 一种多数据源的血压预测方法和装置 | |
CN113488162A (zh) | 一种非接触式中医脉象检测方法及装置 | |
Yu et al. | Video-based heart rate measurement using short-time Fourier transform | |
Hassan et al. | Video-based heartbeat rate measuring method using ballistocardiography | |
Gawande et al. | Heart diseases classification using convolutional neural network | |
DE102015207071A1 (de) | Bestimmen der arteriellen pulswellenlaufzeit aus vpg- und ekg-signalen | |
CN116109818B (zh) | 一种基于面部视频的中医脉候判别系统及方法和装置 | |
Hu et al. | A novel spatial-temporal convolutional neural network for remote photoplethysmography | |
Moya-Albor et al. | A non-contact heart rate estimation method using video magnification and neural networks | |
Matias et al. | Robust Anomaly Detection in Time Series through Variational AutoEncoders and a Local Similarity Score. | |
Gupta et al. | Accurate heart-rate estimation from face videos using quality-based fusion | |
Liu et al. | Detecting pulse wave from unstable facial videos recorded from consumer-level cameras: A disturbance-adaptive orthogonal matching pursuit | |
Nikolaiev et al. | Non-contact video-based remote photoplethysmography for human stress detection | |
Oliveira et al. | A novel arrhythmia classification method based on convolutional neural networks interpretation of electrocardiogram images | |
CN116758619B (zh) | 基于面部视频的情感分类方法、系统、存储介质及设备 | |
CN117612710A (zh) | 一种基于脑电信号和人工智能分类的医疗诊断辅助系统 | |
CN115905819B (zh) | 基于生成对抗网络的rPPG信号生成方法及装置 | |
Jayawardena et al. | Automated filtering of eye gaze metrics from dynamic areas of interest | |
CN114246570B (zh) | 峰值信噪比和皮尔森相关系数融合的近红外心率检测方法 | |
Mitra et al. | Analyzing clinical 12-lead ECG images using deep learning algorithms for objective detection of cardiac diseases | |
CN110321781A (zh) | 一种用于无接触式测量的信号处理方法及装置 | |
Le et al. | Heart Rate Estimation Based on Facial Image Sequence | |
Ostankovich et al. | Towards human pulse rate estimation from face video: automatic component selection and comparison of blind source separation methods |
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: 20211008 |