CN114708225A - 一种血压测量方法、装置、电子设备及存储介质 - Google Patents
一种血压测量方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114708225A CN114708225A CN202210346427.1A CN202210346427A CN114708225A CN 114708225 A CN114708225 A CN 114708225A CN 202210346427 A CN202210346427 A CN 202210346427A CN 114708225 A CN114708225 A CN 114708225A
- Authority
- CN
- China
- Prior art keywords
- target object
- blood pressure
- heart rate
- image
- pressure measurement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000036772 blood pressure Effects 0.000 title claims abstract description 67
- 238000009530 blood pressure measurement Methods 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000005259 measurement Methods 0.000 claims abstract description 39
- 230000001815 facial effect Effects 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 230000000747 cardiac effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000035485 pulse pressure Effects 0.000 claims description 10
- 230000035487 diastolic blood pressure Effects 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 230000035488 systolic blood pressure Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 2
- 238000012512 characterization method Methods 0.000 abstract 1
- 230000033764 rhythmic process Effects 0.000 abstract 1
- 210000004204 blood vessel Anatomy 0.000 description 10
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000017531 blood circulation Effects 0.000 description 7
- 230000004872 arterial blood pressure Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009532 heart rate measurement Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 210000001765 aortic valve Anatomy 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000036581 peripheral resistance Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Geometry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本公开提供了一种血压测量方法、装置、电子设备及存储介质,其中,该方法包括:获取摄像设备采集的视频流;从视频流的多帧图像中提取目标对象的脸部图像;基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据;基于多帧图像中提取出的多帧脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值;基于身体档案数据以及心率估计值,对目标对象的血压值进行估计,得到血压测量结果。本公开基于图像处理方式可以确定用于表征血压波动情况的心率估计值,继而可以结合身体档案数据实现有关血压值的精确测量,测量结果更为精准,且无需借助专业设备,可随时随地进行实时地测量,实用性更佳。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种血压测量方法、装置、电子设备及存储介质。
背景技术
血压(blood pressure,BP)是指血液在血管内流动时作用于单位面积血管壁的侧压力,它是推动血液在血管内流动的动力,是日常生活中一个非常重要的反应人体健康状态的生理指标。
目前,测量血压的方法有很多,可以分为有创血压测量和无创血压测量两大类,其中,有创血压测量需要将导管刺穿血管将压力传感器直接与血管相连,一般只在危重病人身上使用。对于无创血压测量,根据是否使用袖带又可以分为有袖带测量和无袖带测量两种方式,其中生活中常见的血压计或血压仪使用的是有袖带测量,而借助诸如智能手表、手环等穿戴设备可以进行无袖带测量。
总体来说,上述血压测量方式都属于接触式的测量方法,需要借助专业的仪器或者设备,这为测量带来了不便。
发明内容
本公开实施例至少提供一种血压测量方法、装置、电子设备及存储介质。
第一方面,本公开实施例提供了一种血压测量方法,包括:
获取摄像设备采集的视频流;
从所述视频流的多帧图像中提取目标对象的脸部图像;
基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据;
基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值;
基于所述身体档案数据以及所述心率估计值,对所述目标对象的血压值进行估计,得到血压测量结果。
在一种可能的实施方式中,所述基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据,包括:
基于所述脸部图像提取所述目标对象的脸部特征;
从预设档案库中查找与所述目标对象的脸部特征对应的身体档案数据;或者
所述基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据,包括:
基于所述脸部图像识别所述目标对象,以确定所述目标对象的标识;
从预设档案库中查找与所述标识对应的身体档案数据,作为与所述目标对象匹配的身体档案数据。
在一种可能的实施方式中,所述身体档案数据包括身高、体重、性别数据、年龄中的至少一项。
在一种可能的实施方式中,所述基于所述身体档案数据以及所述心率估计值,对所述目标对象的血压值进行估计,包括:
根据射血时间与心率的线性拟合关系,确定与所述心率估计值对应的射血时间;以及,基于所述档案数据包括的性别数据、身高及体重,计算所述目标对象对应的人体表面积;以及,基于所述身体档案数据包括的体重和年龄、所述目标对象的心率估计值,确定所述目标对象的心脏弹性值;
基于所述射血时间、所述人体表面积、所述身体档案数据包括的年龄以及所述心率估计值,确定所述目标对象对应的每搏输出量;
基于所述目标对象对应的每搏输出量与所述心脏弹性值之间的比值,计算得到所述目标对象对应的脉压估计值;
基于所述目标对象对应的脉压估计值以及所述身体档案数据包括的性别数据,计算得出所述目标对象的收缩压数值和舒张压数值。
在一种可能的实施方式中,所述方法还包括:
将所述血压测量结果及所述多帧图像对应的采集时间存入所述目标对象的血压测量记录中;和/或
将所述血压测量结果与所述目标对象的身体档案数据关联存储。
在一种可能的实施方式中,所述方法还包括:
根据所述目标对象在预定时长内的血压测量记录,生成所述目标对象的血压测量报告。
在一种可能的实施方式中,在所述脸部图像的图像信息包括对应于多个不同颜色通道的亮度值的情况下,所述基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值,包括:
基于多帧所述脸部图像对应于所述三个颜色通道的亮度值进行时域处理,确定多帧所述脸部图像对应于每一个所述颜色通道的时域亮度信号;
对多帧所述脸部图像对应于多个不同的颜色通道的时域亮度信号进行主成分分析,得到表征所述目标对象的心率情况的时域信号;
对表征所述目标对象的心率情况的时域信号进行频域处理,得到表征所述目标对象的心率情况的频域信号;
基于所述频域信号的峰值,确定所述目标对象的心率估计值。
在一种可能的实施方式中,所述方法还包括:
在获取到新的视频流的情况下,重复执行以下步骤,直至达到预设测量时长,得到更新后的心率估计值:
从新的视频流的多帧图像中提取目标对象的脸部图像;
基于所述脸部图像的图像信息对所述心率估计值进行更新;
基于所述身体档案数据以及更新后的所述心率估计值,重新估计所述目标对象的血压值。
在一种可能的实施方式中,在所述视频流包括车舱内的视频流的情况下,所述从所述视频流的多帧图像中提取目标对象的脸部图像,包括:
根据所述视频流的脸部检测结果,以及指定的乘车位置,从检测出的脸部图像中确定出目标对象的脸部图像,其中,所述指定的乘车位置用于指示被测量的目标对象的位置。
在一种可能的实施方式中,所述方法还包括:
向所述车舱内的显示屏传送所述目标对象的血压测量结果,以在所述显示屏上进行显示;和/或,
向血压测量应用的服务端传送所述目标对象的血压测量结果,以在所述目标对象通过所述血压测量应用请求获取所述测量结果的情况下,通过所述服务端向所述目标对象使用的终端设备发送所述血压测量结果。
在一种可能的实施方式中,在从所述视频流的多帧图像中提取目标对象的脸部图像之后,所述方法还包括:
确定所述脸部图像中的至少一个感兴趣区域;所述感兴趣区域内图像信息的变化用于指示所述目标对象的心率情况;
所述基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,包括:
基于所述脸部图像中的至少一个感兴趣区域的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值。
第二方面,本公开实施例还提供了一种血压测量装置,包括:
获取模块,用于获取摄像设备采集的视频流;
提取模块,用于从所述视频流的多帧图像中提取目标对象的脸部图像;
确定模块,用于基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据;
处理模块,用于基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值;
估计模块,用于基于所述身体档案数据以及所述心率估计值,估计得到所述目标对象的血压测量结果。
第三方面,本公开实施例还提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如第一方面及其各种实施方式任一所述的血压测量方法的步骤。
第四方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面及其各种实施方式任一所述的血压测量方法的步骤。
本公开实施例提供的血压测量方法、装置、电子设备及存储介质,在获取到视频流的情况下,可以先从视频流中提取目标对象的脸部图像,而后一方面可以基于脸部图像查找目标对象的身体档案数据,另一方面可以基于脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值,最后基于查找到的身体档案数据以及处理得到的心率估计值可以对目标对象的血压值进行估计,得到血压测量结果。相比相关技术中需要借助专业的仪器或者设备所存在的测量不便的问题,本公开基于图像处理方式可以确定用于表征血压波动情况的心率估计值,继而可以结合身体档案数据实现有关血压值的精确测量,测量结果更为精准,且无需借助专业设备,可随时随地进行实时地测量,实用性更佳。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种血压测量方法的流程图;
图2示出了本公开实施例所提供的一种血压测量装置的示意图;
图3示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现,相关技术中测量血压的方法有很多,可以分为有创血压测量和无创血压测量两大类,其中有创血压测量需要将导管刺穿血管将压力传感器直接与血管相连,这是最准确的血压测量方法,但是一般只在危重病人身上使用。对于无创血压测量,根据是否使用袖带又可以分为有袖带测量和无袖带测量两种方式,其中生活中常见的血压计或血压仪都是使用的有袖带测量,而近些年市面上出现的智能手表、手环都属于无袖带测量。总体来说,上述血压测量方式都属于接触式的测量方法,需要借助专业的仪器或者设备。
基于上述研究,本公开提供了一种视觉图像的处理即可进行血压测量的方案,只需要借助人们目前广泛使用的带摄像头的手机终端就可以完成血压测量,无需携带专门设备,使用上更加便利,不会带来由于设备交叉使用导致的潜在风险,它的使用场景也更加广泛。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种血压测量方法进行详细介绍,本公开实施例所提供的血压测量方法的执行主体一般为具有一定计算能力的电子设备,该电子设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该血压测量方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示,为本公开实施例提供的血压测量方法的流程图,所述方法包括步骤S101~S105,其中:
S101:获取摄像设备采集的视频流;
S102:从视频流的多帧图像中提取目标对象的脸部图像;
S103:基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据;
S104:基于多帧图像中提取出的多帧脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值;
S105:基于身体档案数据以及心率估计值,对目标对象的血压值进行估计,得到血压测量结果。
为了便于理解本公开实施例提供的血压测量方法,接下来首先对该方法的应用场景进行简单介绍。本公开实施例中的血压测量方法可以应用于需要进行血压测量的汽车领域,也即,本公开实施例可以实现的是针对车舱环境内人体对象的血压测量,除此之外,本公开实施例还可以应用有诸如医疗、家居生活等其它任何需要进行血压测量的相关领域,这里不做具体的限制。考虑到汽车领域的广泛应用,接下来多以汽车领域进行示例说明。
其中,本公开实施例中的视频流可以是通过摄像设备(如车舱内的固定摄像头)采集得到的,还可以是用户终端自带摄像头采集得到的,还可以是其它方式采集得到的,在此不做具体的限制。
为了能实现针对特定目标对象的血压测量,有关摄像头的安装位置可以是基于特定的目标对象预先设置的,例如,为了实现针对车辆内的驾驶员的血压测量,这里的摄像头可以安装于拍摄范围覆盖驾驶区域的位置,例如车辆的A柱内侧、控制台上、或者方向盘位置;再如,为了实现针对车辆内的包括驾驶员和乘客在内的多种乘车属性的乘员的血压测量,这里的摄像头可以安装于车内后视镜、顶部装饰件、阅读灯等拍摄范围可覆盖车舱内多个座位区域的位置。
在实际应用中,还可以采用驾驶员监控系统(Driver Monitoring System,DMS)包含的车内图像采集装置实现有关驾驶区域的视频流的采集,或者,可以采用乘员监控系统(Occupant Monitoring System,OMS)包含的车内图像采集装置实现有关乘车区域的视频流的采集。
考虑到面部血管流过产生的皮肤色彩及亮度变化,可以反映心跳这一生理状态,这里可以首先对视频流中的多帧图像进行脸部检测,提取出车舱内的目标对象的多帧脸部图像,继而针对脸部图像进行血压测量。
目标对象可以是特定乘车属性的对象,例如驾驶员、副驾座位的乘车人;或者,目标对象可以是身份标识为预先使用面部信息注册的对象,例如通过应用程序注册的车主;或者,目标对象也可以是车内的任意一个乘员,可通过对车舱内的视频流进行面部检测定位出至少一个乘员,将检测出的一个或多个乘员作为目标对象。
在进行脸部检测的过程中,在一帧图像上可能会出现多个对象的面部的情况。一些场景中,可以选择针对某一乘车位置的乘员进行血压测量,即将该乘车位置的乘员作为目标对象。为了实现针对车舱内的目标对象的血压测量,这里,可以根据多帧图像的脸部检测结果,以及指定的乘车位置,从检测出的脸部图像中确定出目标对象的多帧脸部图像,其中,指定的乘车位置用于指示被测量的目标对象的位置。
车舱内用于采集视频流的摄像头在车辆内部空间的相对位置是固定的,可以根据摄像头的位置,将其采集的图像按照座位区域划分,例如对于5座私家车可以划分为:驾驶座对应的图像区域、副驾驶座对应的图像区域、后排左侧座位对应的图像区域、后排右侧座位对应的图像区域、后排中间座位对应的图像区域。根据车内各乘员对象的面部在图像中的位置以及各图像区域的坐标范围,可以确定出各乘员对象的面部落入的图像区域,进而确定出在指定的乘车位置的乘员对象为目标对象。
在实际应用中,OMS一般会拍摄整个车内的图像,可能拍到多个人,可以手动选择“前车乘车位”、“后座乘车位”,来指定要测量的目标对象,这时本公开实施例可以对图像中相应区域的人脸进行测量。DMS是针对主驾驶区域的拍摄,其拍摄到的对象仅包含司机一人的情况下,可以无需指定对象。
考虑到到心脏每跳动一下就会泵出血液,这些血液会沿着主动脉流向全身,而泵出的血液就是所测量到的血压,通常血压的高低与心脏泵血的力量有关,也即,人体的心跳情况与人体血压之间存在一定的联系,基于此,这里可以采用持续一段时间的视频流内的多帧脸部图像所对应的图像变化信息确定心率估计值,继而再结合身体档案数据来确定血压测量结果,这样所测量的血压值结合了心跳情况以及不同人体的特定属性,从而更为符合实际场景的需要。
其中,有关心率估计值可以是基于提取出的多帧脸部图像的图像信息进行时域处理和频域处理得到的,在具体应用中,可以基于多个颜色通道的图像信息的时域处理和频域处理得到更为符合实际需求的心率估计值,具体可以通过如下步骤来实现:
步骤一、基于多帧脸部图像对应于三个颜色通道的亮度值进行时域处理,确定多帧脸部图像对应于每一个颜色通道的时域亮度信号;
步骤二、对多帧脸部图像对应于多个不同的颜色通道的时域亮度信号进行主成分分析,得到表征目标对象的心率情况的时域信号;
步骤三、对表征目标对象的心率情况的时域信号进行频域处理,得到表征目标对象的心率情况的频域信号;
步骤四、基于频域信号的峰值,确定目标对象的心率估计值。
考虑到心跳快慢直接影响了目标对象的血流变化,而血流变化又可以基于图像的亮度变化来表征,因而,这里首先可以确定脸部图像对应于红、绿、蓝三个颜色通道中每一个颜色通道的时域亮度信号,形成RGB三维信号,然后对三个不同的颜色通道的时域亮度信号进行主成分分析,提取主成分(降维)后得到的一维信号作为表征目标对象的心率情况的时域信号,该时域信号可以是上述颜色通道中的其中一个通道(例如,绿色通道)的时域亮度信号确定的,且被选取的通道可以是最能表征血流变化的一个通道,除此之外,还可以是其它主成分分析方法确定的,这里不做具体的限制。
为了便于实现更为准确的主成分分析,在对三维时域亮度信号进行主成分分析之前,可以进行诸如正则化和Detrend滤波去噪等处理。除此之外,在主成分分析之后,还可以对得到的时域信号进行滑动平均滤波去噪处理,从而进一步提升时域信号的精度,提升后续进行心率检测的准确度
为了便于进一步提升心率检测的准确度,这里,可以对时域信号进行频域处理,基于处理得到的频域信号可以分析出更多有用的信息,例如,可以确定各个频率成分的幅值分布和能量分布,从而得到主要幅度和能量分布的频率值。这里,可以基于频域信号的峰值确定目标对象的心率估计值。
在进行心率检测的过程中,这里可以确定频域信号的峰值pmax,通过pmax与心率基准值的求和结果可以得到原始心率测量值,其中,pmax表征的是心率变化量,心率基准值可以由基于经验的心率估计范围的下限来确定,还可以考虑诸如视频帧率、频域信号长度等因素的影响来调整心率基准值。
考虑到在基于脸部图像进行图像变化信息分析的过程中,由于受到诸如光照、遮挡等各种因素的影响而使得检测精度受到一定的干扰,本公开实施例提供了一种基于面部感兴趣区域进行人体生理状态分析的方案,由于感兴趣区域内包含了更多有效的像素点,从而可以有效地提升心率估计值的准确性。
其中,针对每帧脸部图像均可以确定相关的感兴趣区域,该感兴趣区域可以是对应脸部图像中的一个或多个预设平滑区域构成的。预设平滑区域可以是平滑的连通区域,该连通区域一定程度上具有更均匀的反射率,从而可以捕捉到更为有效的面部血管流过产生的皮肤色彩及亮度变化,继而可以实现更为精准的血压测量。
在确定每帧脸部图像的感兴趣区域的情况下,本公开实施例提供的血压测量方法可以基于多帧脸部图像中的各感兴趣区域的图像信息所对应的图像变化信息进行时域处理和频率处理,从而得到目标对象的心率估计值。
本公开实施例中,有关身体档案数据可以包括身高、体重、性别数据、年龄等数据,这主要是考虑到不同的身高、体重、性别数据、年龄的人体所具备的身体机能情况并不相同,例如,小孩子的心跳普遍要比老人的心跳更块,在这里结合身体档案数据和心率估计值来估计血压值,主要是为了实现适应于各类人体的血压测量,更具适应性。
本公开实施例中,可以基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据,也即,各个对象的身体档案数据可以预先保存在预设档案库中,一旦获取到脸部图像,可以基于脸部图像或者从脸部图像中提取出的脸部特征从预设档案库中查找与目标对象对应的身体档案数据,操作简单。或者,一些身体档案数据也可以通过对目标对象的脸部图像进行分析来获得,如年龄、性别等。
这里,一方面可以基于脸部图像提取目标对象的脸部特征,而后从预设档案库中查找与目标对象的脸部特征对应的身体档案数据。其中,有关脸部特征可以是包括两眼间距、眉眼间距等在内的相关特征,在预设档案库中预先记录了各个对象的脸部特征的情况下,基于所提取的脸部特征与预设档案库中的各个脸部特征之间的相似度,即可以查找出与目标对象对应的身体档案数据。
此外,另一方面可以基于脸部图像识别目标对象,以确定目标对象的标识,而后从预设档案库中查找与标识对应的身体档案数据,作为与目标对象匹配的身体档案数据。也即,可以预先对各个对象设置不同的标识,在基于脸部图像进行人脸比对的情况下,可以确定对应标识的目标对象及其身体档案数据。
本公开实施例提供的血压测量方法,可以按照如下步骤实现血压测量:
步骤一、根据射血时间与心率的线性拟合关系,确定与心率估计值对应的射血时间;以及,基于档案数据包括的性别数据、身高及体重,计算目标对象对应的人体表面积;以及,基于身体档案数据包括的体重和年龄、目标对象的心率估计值,确定目标对象的心脏弹性值;
步骤二、基于射血时间、人体表面积、身体档案数据包括的年龄以及心率估计值,确定目标对象对应的每搏输出量;
步骤三、基于目标对象对应的每搏输出量与心脏弹性值之间的比值,计算得到目标对象对应的脉压估计值;
步骤四、基于目标对象对应的脉压估计值以及身体档案数据包括的性别数据,计算得出目标对象的收缩压数值和舒张压数值。
这里,结合对象的各个身体档案数据以及估计得到的心率估计值,可以实现包括收缩压数值和舒张压数值在内的血压测量值。为了便于理解上述血压测量的过程,下面首先对一些专业术语进行简单说明。
收缩压:心脏收缩将血液从心室泵入动脉时,血流对动脉壁产生的压力即为收缩压。
舒张压:当心脏舒张时,动脉血管壁具有一定的弹性而继续推动血流往前流动时的压力就称为舒张压。
脉压:收缩压和舒张压之间的差值。
平均动脉压:一个心动周期中平均的动脉血压。
每博输出量:即搏出量(Stroke Volume),是指一次心博中由一侧心室射出的血量,一般简称为SV。
射血时间:一般指左心室射血时间(LVET),其定义为从主动脉瓣打开到主动脉瓣关闭的时间间隔,是左心室将血液射入主动脉的收缩期,可简称为ET(Ejection Time)。
人体表面积:可以简称为BSA(Body Surface Area),许生文氏公式是符合人体特征的人体表面积公式。
心输出量:描述每单位时间内心脏所泵送的血液量,一般简称为CO(CardiacOutput)。
体循环血管阻力:可简称为SVR(Systemic Vascular Resistance)。
下面可以结合具体的公式进一步进行说明。
一方面,根据射血时间与心率的线性拟合关系,确定与所述心率估计值对应的射血时间,这里的线性拟合关系为ET=364.5-1.23*HR;其中,ET用于表征射血时间,HR用于表征心率估计值,有关364.5以及1.23这些参数可以是根据特定数据集测试进行线性拟合的结果。
另一方面,可以根据档案数据包括的性别数据、身高及体重,计算所述目标对象对应的人体表面积。这里,根据目标对象的健康档案信息(身高Height,体重Weight)和许生文氏公式,计算人体表面积BSA。
在目标对象为男性的情况下,可以按照如下公式确定人体表面积:
BSA=0.0057*Height+0.0121*Weight+0.0882。
在目标对象为女性的情况下,可以按照如下公式确定人体表面积:
BSA=0.0073*Height+0.0127*Weight-0.2106。
在确定出射血时间ET、心率估计值HR、人体表面积BSA的情况下,可以结合身体档案数据包括的年龄Age,确定目标对象对应的每搏输出量SV。具体可以按照如下公式来确定:
SV=-6.6+0.25*(ET-35)-0.62*HR+40.4*BSA-0.51*Age。
基于目标对应的每搏输出量与所述心脏弹性值(Cardiac Elasticity,CE)之间的比值,可以计算得到所述目标对象对应的脉压估计值Pp,具体可以通过如下公式来确定:
Pp=SV/CE,其中,CE=0.013*Weight-0.007*Age-0.004*HR+1.307;
根据平均动脉压Pm=CO*SVR计算Pm,其中CO为心输出量,SVR为体循环血管阻力。对于CO,男性平均为5L/min,女性平均为4.5L/min,SVR的经验值为18.31mmhgmin/L。
在确定出平均动脉压的情况下,可以计算收缩压Ps=Pm+2/3Pp和舒张压Pd=Pm-1/3Pp。这两个公式推导如下:
Pm=Pd+1/3(Ps-Pd)
再结合Pp的定义Pp=Ps-Pd即可以推导出Ps和Pd的计算公式。
为了更好的监测目标对象的血压情况,这里可以将血压测量结果及多帧图像对应的采集时间存入目标对象的血压测量记录中,该血压测量记录可以存储目标对象在各个时段具有的血压测量情况,还可以基于一定预设时长内的血压测量记录生成对应的血压测量报告,从而便于对目标对象进行实时地监测,特别是在驾驶汽车的过程中,通过实时地血压监测可以避免由于血压过高或过低所导致的危险驾驶行为,提高驾驶安全性。
有关血压测量报告可以是例如平滑5分钟内多次的测量结果,或者生成一段时间内血压动态变化报告(比如一天内多个不同时段的血压对比和变化趋势),除此之外,还可以是其它维度对血压进行监测的相关报告情况,这里不做具体的限制。
在实际应用中,有关血压测量结果可以与目标对象的身体档案数据进行关联存储。随着年龄、体重等各种身体档案数据的变化,其血压测量结果也将随之发生变化,从而便于对目标对象进行更长时间跨度的身体状况分析,且能够在身体指标异常的情况下,及时地进行提醒。
在实现血压测量之后,本公开实施例还可以展示血压测量结果以通过展示的血压测量结果为目标对象提供更好的车舱服务。
本公开实施例中,一方面可以向车舱内的显示屏传送目标对象的血压测量结果,以在显示屏上进行显示,这样,车舱人员可以实时监测自身的血压情况下,还能够在自身的血压值存在异常的情况下,及时就医或者采取其它必要的措施;另一方面还可以向血压测量应用的服务端传送目标对象的血压测量结果,以在目标对象通过血压测量应用请求获取测量结果的情况下,通过服务端向目标对象使用的终端设备发送血压测量结果。
也即,这里可以将目标对象的血压测量结果记录在服务端,在服务端还可以对血压测量结果进行统计分析,例如,可以确定历史一个月、一周的血压测量结果,这样,在目标对象发起血压测量应用请求的情况下,可以将血压测量结果、统计结果等发送至目标对象的终端设备,以实现更为综合性的血压评估。
其中,上述血压测量应用可以是具体的用于进行血压测量的应用程序(Application,APP),利用APP可以响应目标对象有关的测量结果的获取请求,继而实现在APP上的结果呈现,更具实用性。
本公开实施例实现的是多帧图像的血压测量,也即,多帧图像对应的图像变化信息可以表征出血压变化情况。在实际应用中,有关视频流所确定的血压值可以是随着图像帧的采集的持续而进行更新。
这里,在获取到新的视频流包括的一帧或多帧图像的情况下,可以对新的视频流中的图像进行脸部检测,提取出车舱内的目标对象的脸部图像,并基于脸部图像的图像信息对心率估计值进行更新,继而基于身体档案数据以及更新后的心率估计值,重新估计目标对象的血压值,若未达到预设检测时长,则再次基于获取到的新的视频流进行更新,直至达到预设检测时长,得到更新后的心率估计值及其估计后的血压值。
这里仍以心率检测进行示例说明。在确定预设检测时长为30s的情况下,在30s内可以持续获取视频流。在基于起始视频流(例如起始的5秒内的视频流)的多帧图像计算出心率测量值的情况下,仍在30秒内。这时,随着图像帧的采集,图像帧数量增加,每增加一帧或者每增加n帧可以计算出一个新的心率测量值,然后通过滑动平均做平滑处理,到达30s后结束测量,得到最终测量结果。
在车舱环境下,为了帮助目标对象进行更为快速的血压测量,这里,可以在一次血压测量过程中根据已获取的视频流的时长和预设测量时长生成用于提醒目标对象所需测量时长的测量进程提醒信号,例如,已获取视频流的时长(即当前的目标对象的血压测量已持续的测量时间)达到25秒,预设测量时长为30秒,则可以发出有关“请保持不动,还有5秒即可完成测量”的语音或屏幕提示;或者,在当前的目标对象的血压测量时长达到30秒时,发出“测量已完成”的语音或屏幕提示。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与血压测量方法对应的血压测量装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述血压测量方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图2所示,为本公开实施例提供的一种血压测量装置的示意图,装置包括:获取模块201、提取模块202、确定模块203、处理模块204和估计模块205;其中,
获取模块201,用于获取摄像设备采集的视频流;
提取模块202,用于从视频流的多帧图像中提取目标对象的脸部图像;
确定模块203,用于基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据;
处理模块204,用于基于多帧图像中提取出的多帧脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值;
估计模块205,用于基于身体档案数据以及心率估计值,估计得到目标对象的血压测量结果。
本公开实施例提供的血压测量装置,在获取到视频流的情况下,可以先从视频流中提取目标对象的脸部图像,而后一方面可以基于脸部图像查找目标对象的身体档案数据,另一方面可以基于脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值,最后基于查找到的身体档案数据以及处理得到的心率估计值可以对目标对象的血压值进行估计,得到血压测量结果。相比相关技术中需要借助专业的仪器或者设备所存在的测量不便的问题,本公开基于图像处理方式可以确定用于表征血压波动情况的心率估计值,继而可以结合身体档案数据实现有关血压值的精确测量,测量结果更为精准,且无需借助专业设备,可随时随地进行实时地测量,实用性更佳。
在一种可能的实施方式中,确定模块203,用于按照如下步骤基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据:
基于脸部图像提取目标对象的脸部特征;
从预设档案库中查找与目标对象的脸部特征对应的身体档案数据;或者
确定模块203,用于按照如下步骤基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据:
基于脸部图像识别目标对象,以确定目标对象的标识;
从预设档案库中查找与标识对应的身体档案数据,作为与目标对象匹配的身体档案数据。
在一种可能的实施方式中,身体档案数据包括身高、体重、性别数据、年龄中的至少一项。
在一种可能的实施方式中,估计模块205,用于按照如下步骤基于身体档案数据以及心率估计值,对目标对象的血压值进行估计:
根据射血时间与心率的线性拟合关系,确定与心率估计值对应的射血时间;以及,基于档案数据包括的性别数据、身高及体重,计算目标对象对应的人体表面积;以及,基于身体档案数据包括的体重和年龄、目标对象的心率估计值,确定目标对象的心脏弹性值;
基于射血时间、人体表面积、身体档案数据包括的年龄以及心率估计值,确定目标对象对应的每搏输出量;
基于目标对象对应的每搏输出量与心脏弹性值之间的比值,计算得到目标对象对应的脉压估计值;
基于目标对象对应的脉压估计值以及身体档案数据包括的性别数据,计算得出目标对象的收缩压数值和舒张压数值。
在一种可能的实施方式中,上述装置还包括:
存储模块206,用于将血压测量结果及多帧图像对应的采集时间存入目标对象的血压测量记录中;和/或,将血压测量结果与目标对象的身体档案数据关联存储。
在一种可能的实施方式中,上述装置还包括:
报告模块207,用于根据目标对象在预定时长内的血压测量记录,生成目标对象的血压测量报告。
在一种可能的实施方式中,在脸部图像的图像信息包括对应于多个不同颜色通道的亮度值的情况下,处理模块204,用于按照如下步骤基于多帧图像中提取出的多帧脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值:
基于多帧脸部图像对应于三个颜色通道的亮度值进行时域处理,确定多帧脸部图像对应于每一个颜色通道的时域亮度信号;
对多帧脸部图像对应于多个不同的颜色通道的时域亮度信号进行主成分分析,得到表征目标对象的心率情况的时域信号;
对表征目标对象的心率情况的时域信号进行频域处理,得到表征目标对象的心率情况的频域信号;
基于频域信号的峰值,确定目标对象的心率估计值。
在一种可能的实施方式中,估计模块205,还用于在获取到新的视频流的情况下,重复执行以下步骤,直至达到预设测量时长,得到更新后的心率估计值:
从新的视频流的多帧图像中提取目标对象的脸部图像;
基于脸部图像的图像信息对心率估计值进行更新;
基于身体档案数据以及更新后的心率估计值,重新估计目标对象的血压值。
在一种可能的实施方式中,在视频流包括车舱内的视频流的情况下,提取模块202,用于按照如下步骤从视频流的多帧图像中提取目标对象的脸部图像:
根据视频流的脸部检测结果,以及指定的乘车位置,从检测出的脸部图像中确定出目标对象的脸部图像,其中,指定的乘车位置用于指示被测量的目标对象的位置。
在一种可能的实施方式中,上述装置还包括:
显示模块208,用于向车舱内的显示屏传送目标对象的血压测量结果,以在显示屏上进行显示;和/或,向血压测量应用的服务端传送目标对象的血压测量结果,以在目标对象通过血压测量应用请求获取测量结果的情况下,通过服务端向目标对象使用的终端设备发送血压测量结果。
在一种可能的实施方式中,处理模块204,用于按照如下步骤基于多帧图像中提取出的多帧脸部图像的图像信息进行时域处理和频域处理:
在从视频流的多帧图像中提取目标对象的脸部图像之后,确定脸部图像中的至少一个感兴趣区域;感兴趣区域内图像信息的变化用于指示目标对象的心率情况;
基于脸部图像中的至少一个感兴趣区域的图像信息进行时域处理和频域处理,得到目标对象的心率估计值。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例还提供了一种电子设备,如图3所示,为本公开实施例提供的电子设备结构示意图,包括:处理器301、存储器302、和总线303。存储器302存储有处理器301可执行的机器可读指令(比如,图2中的装置中获取模块201、提取模块202、确定模块203、处理模块204和估计模块205对应的执行指令等),当电子设备运行时,处理器301与存储器302之间通过总线303通信,机器可读指令被处理器301执行时执行如下处理:
获取摄像设备采集的视频流;
从视频流的多帧图像中提取目标对象的脸部图像;
基于脸部图像从预设档案库中查找与目标对象匹配的身体档案数据;
基于多帧图像中提取出的多帧脸部图像的图像信息进行时域处理和频域处理,得到目标对象的心率估计值;
基于身体档案数据以及心率估计值,对目标对象的血压值进行估计,得到血压测量结果。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的血压测量方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的血压测量方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (14)
1.一种血压测量方法,其特征在于,包括:
获取摄像设备采集的视频流;
从所述视频流的多帧图像中提取目标对象的脸部图像;
基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据;
基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值;
基于所述身体档案数据以及所述心率估计值,对所述目标对象的血压值进行估计,得到血压测量结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据,包括:
基于所述脸部图像提取所述目标对象的脸部特征;
从预设档案库中查找与所述目标对象的脸部特征对应的身体档案数据;或者
所述基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据,包括:
基于所述脸部图像识别所述目标对象,以确定所述目标对象的标识;
从预设档案库中查找与所述标识对应的身体档案数据,作为与所述目标对象匹配的身体档案数据。
3.根据权利要求1或2所述的方法,其特征在于,所述身体档案数据包括身高、体重、性别数据、年龄中的至少一项。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述身体档案数据以及所述心率估计值,对所述目标对象的血压值进行估计,包括:
根据射血时间与心率的线性拟合关系,确定与所述心率估计值对应的射血时间;以及,基于所述档案数据包括的性别数据、身高及体重,计算所述目标对象对应的人体表面积;以及,基于所述身体档案数据包括的体重和年龄、所述目标对象的心率估计值,确定所述目标对象的心脏弹性值;
基于所述射血时间、所述人体表面积、所述身体档案数据包括的年龄以及所述心率估计值,确定所述目标对象对应的每搏输出量;
基于所述目标对象对应的每搏输出量与所述心脏弹性值之间的比值,计算得到所述目标对象对应的脉压估计值;
基于所述目标对象对应的脉压估计值以及所述身体档案数据包括的性别数据,计算得出所述目标对象的收缩压数值和舒张压数值。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
将所述血压测量结果及所述多帧图像对应的采集时间存入所述目标对象的血压测量记录中;和/或
将所述血压测量结果与所述目标对象的身体档案数据关联存储。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述目标对象在预定时长内的血压测量记录,生成所述目标对象的血压测量报告。
7.根据权利要求1至6任一项所述的方法,其特征在于,在所述脸部图像的图像信息包括对应于多个不同颜色通道的亮度值的情况下,所述基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值,包括:
基于多帧所述脸部图像对应于所述三个颜色通道的亮度值进行时域处理,确定多帧所述脸部图像对应于每一个所述颜色通道的时域亮度信号;
对多帧所述脸部图像对应于多个不同的颜色通道的时域亮度信号进行主成分分析,得到表征所述目标对象的心率情况的时域信号;
对表征所述目标对象的心率情况的时域信号进行频域处理,得到表征所述目标对象的心率情况的频域信号;
基于所述频域信号的峰值,确定所述目标对象的心率估计值。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
在获取到新的视频流的情况下,重复执行以下步骤,直至达到预设测量时长,得到更新后的心率估计值:
从新的视频流的多帧图像中提取目标对象的脸部图像;
基于所述脸部图像的图像信息对所述心率估计值进行更新;
基于所述身体档案数据以及更新后的所述心率估计值,重新估计所述目标对象的血压值。
9.根据权利要求1至8任一项所述的方法,其特征在于,在所述视频流包括车舱内的视频流的情况下,所述从所述视频流的多帧图像中提取目标对象的脸部图像,包括:
根据所述视频流的脸部检测结果,以及指定的乘车位置,从检测出的脸部图像中确定出目标对象的脸部图像,其中,所述指定的乘车位置用于指示被测量的目标对象的位置。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
向所述车舱内的显示屏传送所述目标对象的血压测量结果,以在所述显示屏上进行显示;和/或,
向血压测量应用的服务端传送所述目标对象的血压测量结果,以在所述目标对象通过所述血压测量应用请求获取所述测量结果的情况下,通过所述服务端向所述目标对象使用的终端设备发送所述血压测量结果。
11.根据权利要求1至10任一项所述的方法,其特征在于,在从所述视频流的多帧图像中提取目标对象的脸部图像之后,所述方法还包括:
确定所述脸部图像中的至少一个感兴趣区域;所述感兴趣区域内图像信息的变化用于指示所述目标对象的心率情况;
所述基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,包括:
基于所述脸部图像中的至少一个感兴趣区域的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值。
12.一种血压测量装置,其特征在于,包括:
获取模块,用于获取摄像设备采集的视频流;
提取模块,用于从所述视频流的多帧图像中提取目标对象的脸部图像;
确定模块,用于基于所述脸部图像从预设档案库中查找与所述目标对象匹配的身体档案数据;
处理模块,用于基于所述多帧图像中提取出的多帧所述脸部图像的图像信息进行时域处理和频域处理,得到所述目标对象的心率估计值;
估计模块,用于基于所述身体档案数据以及所述心率估计值,估计得到所述目标对象的血压测量结果。
13.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至11任一项所述的血压测量方法的步骤。
14.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至11任一项所述的血压测量方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346427.1A CN114708225A (zh) | 2022-03-31 | 2022-03-31 | 一种血压测量方法、装置、电子设备及存储介质 |
PCT/CN2022/113755 WO2023184832A1 (zh) | 2022-03-31 | 2022-08-19 | 生理状态检测方法、装置、电子设备、存储介质及程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210346427.1A CN114708225A (zh) | 2022-03-31 | 2022-03-31 | 一种血压测量方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708225A true CN114708225A (zh) | 2022-07-05 |
Family
ID=82171959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210346427.1A Pending CN114708225A (zh) | 2022-03-31 | 2022-03-31 | 一种血压测量方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708225A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023184832A1 (zh) * | 2022-03-31 | 2023-10-05 | 上海商汤智能科技有限公司 | 生理状态检测方法、装置、电子设备、存储介质及程序 |
-
2022
- 2022-03-31 CN CN202210346427.1A patent/CN114708225A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023184832A1 (zh) * | 2022-03-31 | 2023-10-05 | 上海商汤智能科技有限公司 | 生理状态检测方法、装置、电子设备、存储介质及程序 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11672436B2 (en) | Pulse detection from head motions in video | |
US11642086B2 (en) | Apparatus and method for correcting error of bio-information sensor, and apparatus and method for estimating bio-information | |
Jain et al. | Face video based touchless blood pressure and heart rate estimation | |
Balakrishnan et al. | Detecting pulse from head motions in video | |
WO2017179696A1 (ja) | 生体情報分析装置、システム、及び、プログラム | |
KR101738278B1 (ko) | 영상을 이용한 감정 인식 방법 | |
JP6098257B2 (ja) | 信号処理装置、信号処理方法及び信号処理プログラム | |
CN109480800B (zh) | 用于估计生物信息的设备和方法及血压监视装置 | |
CN112638244B (zh) | 信息处理装置、计算机能读取的存储介质和信息处理方法 | |
US20210113093A1 (en) | Blood pressure estimation system, blood pressure estimation method, learning method, and program | |
CN114648749A (zh) | 一种生理状态检测方法、装置、电子设备及存储介质 | |
EP3801227B1 (en) | Method and apparatus for estimating a trend in a blood pressure surrogate | |
Wu et al. | A facial-image-based blood pressure measurement system without calibration | |
Fiedler et al. | Fusion-based approach for respiratory rate recognition from facial video images | |
CN114708225A (zh) | 一种血压测量方法、装置、电子设备及存储介质 | |
KR20180007425A (ko) | 영상을 이용한 스트레스 지수 산출 방법 | |
WO2023184832A1 (zh) | 生理状态检测方法、装置、电子设备、存储介质及程序 | |
CN114929101A (zh) | 根据光学数据进行生理测量的系统和方法 | |
CN114863399A (zh) | 一种生理状态检测方法、装置、电子设备及存储介质 | |
EP4245213A1 (en) | System for estimating blood pressures using photoplethysmography signal analysis | |
CN114663865A (zh) | 一种生理状态检测方法、装置、电子设备及存储介质 | |
Patil et al. | A camera-based pulse transit time estimation approach towards non-intrusive blood pressure monitoring | |
Sarkar et al. | Evaluation of video magnification for nonintrusive heart rate measurement | |
Suriani et al. | Non-contact facial based vital sign estimation using convolutional neural network approach | |
Sacramento et al. | A real-time software to the acquisition of heart rate and photoplethysmography signal using two region of interest simultaneously via webcam |
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 |