CN115089162A - 一种基于无人机视频的呼吸率检测方法及装置 - Google Patents
一种基于无人机视频的呼吸率检测方法及装置 Download PDFInfo
- Publication number
- CN115089162A CN115089162A CN202210596218.2A CN202210596218A CN115089162A CN 115089162 A CN115089162 A CN 115089162A CN 202210596218 A CN202210596218 A CN 202210596218A CN 115089162 A CN115089162 A CN 115089162A
- Authority
- CN
- China
- Prior art keywords
- signal
- respiration rate
- respiratory
- respiration
- unmanned aerial
- 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
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 121
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000000241 respiratory effect Effects 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 27
- 210000001015 abdomen Anatomy 0.000 claims abstract description 21
- 238000000354 decomposition reaction Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000819 phase cycle Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000003187 abdominal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008685 targeting 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0806—Detecting, measuring or recording devices for evaluating the respiratory organs by whole-body plethysmography
-
- 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
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Hematology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于无人机视频的呼吸率检测方法及装置,属于无人机图像处理技术领域。该方法通过获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域;对所述感兴趣区域进行灰度处理,将目标物胸腹部振动区域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号;由于原始信号中夹杂着无人机抖动造成的干扰信号,使用模态分解原始信号获得候选的呼吸模态信号,去除无人机晃动造成的干扰信号,抑制了噪声干扰,最终得到良好的呼吸率波形拟合,同时将幅度信息对相位信息的空间域加权可以提升呼吸信号信噪比,实现了精准呼吸率的动态检测。
Description
技术领域
本发明属于无人机图像处理技术领域,具体地说,涉及一种基于无人机视频流的呼吸率检测方法、装置、电子设备及存储介质。
背景技术
受灾地区的人员搜救常常因道路堵塞、搜救人员不足等原因导致救援不及时造成人员伤亡,随着无人机应用的快速发展,人们逐渐开始利用无人机搭载摄像机进行生命体征检测,使得利用无人机进行人员辅助搜救、辅助检测人员生命体征成为了可能。
在人员搜救过程中,呼吸率是反映目标物健康状况的重要指标之一,传统的呼吸率检测方法需要将阻抗式传感器贴在目标物,利用传感器电压的变化信号检测呼吸率,不适用于上述场景下的呼吸率检测。
目前,人们开始通过无人机测量人体的呼吸率。例如,通过拍摄人体面部的信息,测量血容量脉搏(BVP),或者拍摄人体腹部呼吸振动的体征等进行呼吸率计算,但是无人机悬停拍摄视频的时候还会受到气流以及马达的干扰导致自身的抖动,因为无人机抖动造成的干扰会对视频的信号检测造成严重影响,存在着识别检测呼吸率的精度差、虚假目标信号干扰等问题。
发明内容
针对上述呼吸率检测过程中无人机抖动造成的干扰会对视频的信号造成严重影响的问题,本发明提出一种基于无人机视频流的呼吸率检测方法,考虑时间-相位信号中夹杂着无人机抖动造成的干扰信号,使用模态分解原始信号获得候选的呼吸模态信号,选择方差最小的本征模态实现呼吸率检测,去除无人机晃动造成的干扰信号,抑制了噪声干扰,最终得到良好的呼吸率波形拟合,同时将幅度信息对相位信息的空间域加权可以提升呼吸信号信噪比;实现了精准呼吸率的动态检测。
为解决上述目的,本发明采用如下的技术方案。
本发明第一方面提供一种基于无人机视频流的呼吸率检测方法,所述方法包括:
获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域;
对所述感兴趣区域进行灰度处理,将目标物胸腹部呼吸振动区域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号;
利用模态分解方法分离出所述原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号;
提取所述呼吸信号,利用预置呼吸率计算方法对呼吸率信号进行计算,得到呼吸率。
作为一个示例,所述对呼吸振动区域进行时间相位处理,提取原始信号步骤包括:
根据所述视频流的尺寸确定复可控金字塔滤波器组的层数,构建多个尺度方向的复可控滤波器组;
使用复可控金字塔滤波器组将视频的每一帧图像进行多尺度分解,转化为多尺度多方向局部相位信息和幅度信息;
根据所述呼吸振动区域信息集中于振动区域边缘或图像纹理边缘处,使用幅度信息对相位信息进行空间域加权,提升信号信噪比;
将每一帧的多个尺度和多个方向的相位序列叠加得到相位与时间的复合信号,作为所述原始信号,所述原始信号中夹杂干扰信号。
作为一个示例,所述利用模态分解方法分离出原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号步骤包括:
使用变分模态分解算法分解原始信号获得多个本征模态,将所述多个本征模态与呼吸波形拟合作为候选的呼吸模态信号;
去除原始信号中干扰信号,选择方差最小的呼吸模态信号作为呼吸信号。
作为一个示例,所述的预置呼吸率算法包括:
获取快速傅里叶变换分析功率谱,确定所述功率谱中最大功率对应的频率为呼吸率;和/或
利用傅里叶迭代插值算法对所述呼吸率信号进行计算,获取对应的呼吸率。
作为一个示例,所述利用傅里叶迭代插值算法对所述呼吸率信号进行计算,获取对应的呼吸率步骤包括:
计算样本数为N的呼吸信号的功率谱P和功率最大值对应的位置T;
根据傅里叶级数迭代插值计算,确定迭代多次后趋于稳定的傅里叶系数偏差Eq;
确定呼吸率RR的计算公式加下:
其中,fs是视频采样率,N为样本数,Eq为傅里叶系数偏差,N为样本数。
作为一个示例,所述使用幅度信息对相位信息进行空间域加权提升信号信噪比步骤中空间域加权计算公式为:
Bi(x,y,t)=Bi(x,y,t)·Ai(x,y,t)
其中,相位子带序列为Bi(x,y,t),x和y表示视频图像中像素点水平方向和竖直方向的位置,t表示视频流中第t帧图像,幅度子带序列为Ai(x,y,t)。
本发明第二方面提供一种基于无人机视频流的呼吸率检测装置,包括:
视频接收模块,其用于获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域;
信号提取模块,其用于对所述感兴趣区域进行灰度处理,将目标物胸腹部呼吸振动区域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号;
模态分解模块,其用于利用模态分解方法分离出原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号;
计算模块,其用于提取所述呼吸信号,利用预置呼吸率计算方法对呼吸率信号进行计算,得到呼吸率。
本发明第三方面提供一种生命体征探测方法,所述方法包括如下步骤:
无人机搭载摄像机对目标区域进行探测搜索;
利用视觉定位技术调整无人机飞行参数,使无人机飞行到目标物周围;
由无人机搭载摄像机拍摄目标物胸腹部呼吸动作体征获得视频流,利用权利要求上述方法获取目标物呼吸率。
本发明第四方面提供一种电子设备,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器依次连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述的方法。
本发明第五方面提供一种可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述的方法。
相比于现有技术,本发明的有益效果为:
(1)本发明示例提出一种基于无人机视频流的呼吸率检测方法,考虑时间-相位信号中夹杂着无人机抖动造成的干扰信号,使用模态分解原始信号获得候选的呼吸模态信号,选择方差最小的本征模态实现呼吸率检测,去除无人机晃动造成的干扰信号,抑制了噪声干扰,最终得到良好的呼吸率波形拟合,同时将幅度信息对相位信息的空间域加权,可以提升呼吸信号信噪比,实现了精准呼吸率的动态检测。
(2)本发明采用一种迭代的傅里叶系数插值方法对呼吸信号进行分析,确定迭代多次后差趋于稳定的傅里叶系数偏差,再计算呼吸率,实平衡检测精度和时间成本的平衡,有效的提高了使用无人机场景下呼吸率检测的准确性和鲁棒性。
(3)本发明针对传统的接触式呼吸率检测操作复杂、不适用于实际场景等问题,提出一种基于无人机生命体征探测方法,该技术仅需使用无人机摄像头拍摄目标物呼吸视频即可实现呼吸率检测,实现了高效率、广范围、抗无人机抖动干扰的呼吸率检测。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。附图中:
图1为本发明示例提供的一种基于无人机视频流的呼吸率检测方法流程图;
图2为本发明示例提供的无人机检测目标物示意图;
图3为本发明示例提供的一种基于无人机视频流的呼吸率检测装置框图;
图4图示了根据本申请实施例的电子设备的框图;
图5为本发明示例提供的VMD模态分解图;
图6为本发明示例取出的呼吸波形图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
示例性方法
如图1所示,本实施例提供一种基于无人机视频流的呼吸率检测方法,所述方法包括如下步骤:
S110:获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域。
具体的,本示例中目标物指的是人体,由于人体呼吸时腹部会有起伏,因此将视频流中目标物胸腹部作为感兴趣区域,把腹部的一起一伏作为一次呼吸。应当理解,此处的目标物还可以是其他动物,例如狗、猪或者牛等动物。
如图2所示,这里的视频流是通过控制无人机,将无人机悬停在目标物周围,并利用无人机搭载的摄像头对目标物的腹部动作体征进行视频采集。其中无人机摄像头的参数设置可以设置为1280*1080分辨率,帧率为60/秒,生成的视频图像是RGB图像。应当理解,此处的视频流还可以是非实时获得,例如,接收预先存储在服务器中的视频影像,或者接收从其他设备传输的视频影像。
S120:对所述感兴趣区域进行灰度处理,将目标物胸腹部振动区域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号。
具体的,由于本示例将感兴趣区域中人体胸腹部的一次起伏记为一次呼吸,在图像上体现为灰度变化,因此为了突出呼吸运动信息以及加速计算,将采集视频色彩空间由RGB域转换到Gray域,转换公式为:
Igray=0.299*R+0.587*G+0.114*B (1)
式中,R、G、B分别表示红、绿、蓝3个颜色通道矩阵,Igray表示转换后的灰度矩阵。
对所述感兴趣区域进行灰度处理后,再进行空间滤波处理,将人体胸腹部振动区域作为对象,对呼吸振动区域进行时间相位处理。由于无人机在悬停拍摄时会受到气流以及马达振动的影响,因此得到的时间-相位信号中夹杂着无人机抖动造成的干扰信号
在一种实施方式中所述步骤S120包括如下步骤:
S121:根据视频流尺寸确定复可控金字塔滤波器组的层数,构建多个尺度多个方向的复可控滤波器组。
具体的,本示例中利用复可控金字塔是对图像在频域的多分辨率处理,其实质是通过构建一组不同尺度、不同方向的频域滤波器对原图像进行频域滤波处理。
S122:使用复可控金字塔滤波器组将视频的每一帧图像进行多尺度分解,转化为多尺度多方向局部相位信息和幅度信息。
具体的,将视频每一帧图像进行复可控金字塔分解,得到一组不同尺度、不同方向的频带,然后对各频带进行傅里叶逆变换,返回空间域,此时得到的像素点取值会变成复数,可以提取出空域相位。
例如对于一帧图像,通过复可控金字塔得到它在多尺度多方向相位谱基带步骤如下所示:
(1)若输入图像的宽度为w,高度为h,floor为向下取整,则尺度分解的总层数N为:
(2)复可控金字塔的带通模板和各个方向模板相乘得到了一层方向滤波器,将带通模板缩小为原先的1/4,再与方向模板相乘就得到了下一层方向滤波器,最终得到多层多方向滤波器组。
复可控金字塔的带通滤波器是由高通滤波器和低通滤波器相乘得来的,高通滤波器HiMask的实现公式为:
低通滤波器LoMask的实现公式为:
其中rad表示极径图,r的取值范围为r∈2^[-MaxHeight:0],步长是1,用来控制滤波的有效范围,MaxHeight是金字塔层数,twidt人为设定为1,用来调整高通滤波器的无效频带范围和低通滤波器的有效频带范围。
(3)利用得到的N层竖直方向滤波器组对输入图像进行滤波得到N层多方向的频带,进行傅里叶反变换之后得到N层包含相位信息的子带序列以及幅度子带序列。
S123:根据所述呼吸振动区域信息集中于图像纹理或者振动边缘处,使用幅度信息对相位信息进行空间域加权提升信号信噪比;
具体的,空间滤波之后得到了N层包含相位信息的子带序列,对于第i层第t帧图像,其对应的相位谱宽度为wi、高度为hi、相位子带序列为Bi(x,y,t),幅度子带序列为Ai(x,y,t),则相位谱空间域加权计算公式为:
Bi(x,y,t)=Bi(x,y,t)·Ai(x,y,t) (4)
S124:将每一帧的多个尺度和多个方向的相位序列叠加得到相位与时间的复合信号,作为所述原始信号,所述原始信号中夹杂干扰信号。
具体的,对于上述步骤中第i层子带序列第1到第F帧的平均相位信号为:
最后对N层的平均相位信号取均值得到了原始信号,其中t=1,2,...,F。
S130:利用模态分解分离出原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号;
具体的,先把上述步骤得到的原始信号变分模态信号分解,本示例中变分模态信号分解是一种自适应、完全非递归的模态变分和信号处理的方法。该方法可以确定模态分解个数的优点,其自适应性表现在根据实际情况确定所给序列的模态分解个数,随后的搜索和求解过程中可以自适应地匹配每种模态的最佳中心频率和有限带宽,并且实现固有模态分量的有效分离、信号的频域划分、进而得到给定信号的有效分解成分,最终获得变分问题的最优解。如图5,其中利用VMD算法可以将上一步提取的原始信号分解成若干本征模态分量。
再进行呼吸信号拟合,将上述步骤提取的本征模态分量逐个与一般呼吸信号进行拟合,不同信号统一进行归一化处理和初始相位同相化,选取方差最小对应的本征模态即为所选出的呼吸信号P(t),其波形如图6所示。
S140:提取所述呼吸信号,利用预置呼吸率算法对呼吸率信号进行计算,得到呼吸率。
具体的,获取快速傅里叶变换分析功率谱,根据所述功率谱中最大功率对应的频率为呼吸率;和/或利用傅里叶迭代插值算法对所述呼吸率信号进行计算,获取对应呼吸率。
作为优先的实施方式,采用利用傅里叶迭代插值算法对所述呼吸率信号进行计算,获取对应呼吸率步骤包括:
首先计算样本数为N的呼吸信号的功率谱P和功率最大值对应的位置T;
再进行傅里叶级数迭代插值计算:初始化起始偏差e0=0和迭代次数Q=50,统计发现迭代50次后傅里叶系数偏差趋于稳定。
ek=ek-1+r(ek-1) (8)
最终计算得到呼吸率RR为:
其中,fs是视频采样率,N为样本数,Eq为傅里叶系数偏差,N为样本数,eQ表示迭代50次时的傅里叶级数偏差。
实验结果如下:
以型号为YX-1207压电传感器记录的人体呼吸率作为真值,与基于视频从人体面部提取呼吸率的方法做了实验对比分析,实验共拍摄55组实验测试视频,视频时长为1分钟,实验设置如图2所示,实验以平均误差Me为性能评价标准,其单位为呼吸次数/分钟,其计算方式为:
式中Sum为测试样本总数,RPcal为第i个视频测试样本时长内呼吸率检测方法检测得到的人体呼吸次数,RPreal为人体真实呼吸次数。Me代表的是呼吸率检测方法测量值与真实值之间的误差,Me数值越小表明呼吸率检测方法的准确率就越高。对比例1采用CN113052115A公开的方法,从人体面部提取呼吸率。实验结果如表1:
表1
对比例1 | 本发明提供的方案 | |
M<sub>e</sub> | 2.13 | 0.86 |
由上表可知,本发明方法相较于从人体面部提取呼吸率降低了平均误差,实现了更高精度的人体呼吸率检测方法。
本发明还提供一种生命体征探测方法,所述方法包括如下步骤:
无人机搭载摄像机对目标区域进行探测搜索;主要搜索或者的目标物,例如人体。
利用视觉定位技术调整无人机飞行参数,例如使视觉SLAM,或者利用卫星导航条件使无人机飞行到目标物周围;由无人机搭载摄像机拍摄目标物胸腹部呼吸动作体征获得视频流,利用上述方法获取目标物呼吸率。
示例性装置
如图3所示,在上述示例性方法的基础上,还提供一种基于无人机视频流的呼吸率检测装置,包括:
视频接收模块20,其用于获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域;
信号提取模块30,其用于对所述感兴趣区域进行灰度处理,将目标物胸腹部振动区域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号;
模态分解模块40,其用于利用模态分解分离出原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号;
计算模块50,其用于提取所述呼吸信号,利用预置呼吸率算法对呼吸率信号进行计算,得到呼吸率。
示例性电子设备
下面,参考图4来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身,或与其独立的单机设备,该单机设备可以与可移动设备进行通信,以从它们接收所采集到的输入信号,并向其发送所选择的目标决策行为。
图4图示了根据本申请实施例的电子设备的框图。
如图4所示,电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器11可以运行所述程序指令,以实现上文所述的本申请的各个实施例的决策行为决策方法以及/或者其他期望的功能。
在一个示例中,电子设备10还可以包括:输入装置13和输出装置14,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。例如,该输入设备13可以包括例如车载诊断系统(OBD)、统一诊断服务(UDS)、惯性测量单元(IMU)、摄像头、激光雷达、毫米波雷达、超声波雷达、车载通信(V2X)等各种设备。该输入设备13还可以包括例如键盘、鼠标等等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图4中仅示出了该电子设备10中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的决策行为决策方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的决策行为决策方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于无人机视频流的呼吸率检测方法,其特征在于,所述方法包括:
获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域;
对所述感兴趣区域进行灰度处理,将目标物胸腹部呼吸振动区域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号;
利用模态分解方法分离出所述原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号;
提取所述呼吸信号,利用预置呼吸率计算方法对呼吸率信号进行计算,得到呼吸率。
2.根据权利要求1所述的一种基于无人机视频流的呼吸率检测方法,其特征在于,所述对呼吸振动区域进行时间相位处理,提取原始信号步骤包括:
根据所述视频流的尺寸确定复可控金字塔滤波器组的层数,构建多个尺度方向的复可控滤波器组;
使用复可控金字塔滤波器组将视频的每一帧图像进行多尺度分解,转化为多尺度多方向局部相位信息和幅度信息;
根据所述呼吸振动区域信息集中于振动区域边缘或纹理边缘处,使用幅度信息对相位信息进行空间域加权,提升信号信噪比;
将每一帧的多个尺度和多个方向的相位序列叠加得到相位与时间的复合信号,作为所述原始信号,所述原始信号中夹杂干扰信号。
3.根据权利要求2所述的一种基于无人机视频流的呼吸率检测方法,其特征在于,所述利用模态分解方法分离出原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号步骤包括:
使用变分模态分解算法分解原始信号获得多个本征模态,将所述多个本征模态与呼吸波形拟合作为候选的呼吸模态信号;
去除原始信号中干扰信号,选择方差最小的呼吸模态信号作为呼吸信号。
4.根据权利要求1所述的一种基于无人机视频流的呼吸率检测方法,其特征在于,所述的预置呼吸率算法包括:
获取快速傅里叶变换分析功率谱,确定所述功率谱中最大功率对应的频率为呼吸率;和/或
利用傅里叶迭代插值算法对所述呼吸率信号进行计算,获取对应的呼吸率。
6.根据权利要求2所述的一种基于无人机视频流的呼吸率检测方法,其特征在于:所述使用幅度信息对相位信息进行空间域加权提升信号信噪比步骤中空间域加权计算公式为:
Bi(x,y,t)=Bi(x,y,t)·Ai(x,y,t)
其中,相位子带序列为Bi(x,y,t),x和y表示视频图像中像素点水平方向和竖直方向的位置,t表示视频流中第t帧图像,幅度子带序列为Ai(x,y,t)。
7.一种基于无人机视频流的呼吸率检测装置,其特征在于,包括:
视频接收模块,其用于获取包含目标物呼吸动作体征的视频流,选择视频流中目标物胸腹部作为感兴趣区域;
信号提取模块,其用于对所述感兴趣区域进行灰度处理,将目标物胸腹部呼吸振动区 域作为对象,对呼吸振动区域进行时间相位处理,提取原始信号;
模态分解模块,其用于利用模态分解方法分离出原始信号的多个本征模态,将所述多个本征模态与呼吸波形拟合得呼吸模态信号作为呼吸信号;
计算模块,其用于提取所述呼吸信号,利用预置呼吸率计算方法对呼吸率信号进行计算,得到呼吸率。
8.一种生命体征探测方法,其特征在于,所述方法包括如下步骤:
无人机搭载摄像机对目标区域进行探测搜索;
利用视觉定位技术调整无人机飞行参数,使无人机飞行到目标物周围;
由无人机搭载摄像机拍摄目标物胸腹部呼吸动作体征获得视频流,利用权利要求1-6任意一项方法获取目标物呼吸率。
9.一种电子设备,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器依次连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210596218.2A CN115089162A (zh) | 2022-05-30 | 2022-05-30 | 一种基于无人机视频的呼吸率检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210596218.2A CN115089162A (zh) | 2022-05-30 | 2022-05-30 | 一种基于无人机视频的呼吸率检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115089162A true CN115089162A (zh) | 2022-09-23 |
Family
ID=83288415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210596218.2A Pending CN115089162A (zh) | 2022-05-30 | 2022-05-30 | 一种基于无人机视频的呼吸率检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115089162A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295790A (zh) * | 2023-05-22 | 2023-06-23 | 合肥工业大学 | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100130873A1 (en) * | 2008-04-03 | 2010-05-27 | Kai Sensors, Inc. | Non-contact physiologic motion sensors and methods for use |
CN102046076A (zh) * | 2008-04-03 | 2011-05-04 | Kai医药公司 | 非接触式生理运动传感器及其使用方法 |
CN106901741A (zh) * | 2017-03-13 | 2017-06-30 | 合肥工业大学 | 一种适用于昼夜环境的呼吸率检测方法 |
US20170188891A1 (en) * | 2015-12-31 | 2017-07-06 | National Chung Cheng University | Method and device for retrieving a breathing signal |
KR20190007803A (ko) * | 2017-07-13 | 2019-01-23 | 성균관대학교산학협력단 | 적외선 영상을 이용한 생체신호 측정 방법 및 장치 |
CN112651388A (zh) * | 2021-01-20 | 2021-04-13 | 合肥工业大学 | 一种基于无人机的灾区生命信号检测与定位方法 |
CN113052115A (zh) * | 2021-04-06 | 2021-06-29 | 合肥工业大学 | 一种基于视频法的无人机机载生命体征探测方法 |
US20210219848A1 (en) * | 2020-01-21 | 2021-07-22 | Research & Business Foundation Sungkyunkwan University | Method and apparatus for measuring robust pulse rate and respiratory rate using facial images |
CN114041767A (zh) * | 2021-10-11 | 2022-02-15 | 宁波春建电子科技有限公司 | 一种基于深度相机和毫米波雷达的心率检测方法 |
-
2022
- 2022-05-30 CN CN202210596218.2A patent/CN115089162A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100130873A1 (en) * | 2008-04-03 | 2010-05-27 | Kai Sensors, Inc. | Non-contact physiologic motion sensors and methods for use |
CN102046076A (zh) * | 2008-04-03 | 2011-05-04 | Kai医药公司 | 非接触式生理运动传感器及其使用方法 |
US20170188891A1 (en) * | 2015-12-31 | 2017-07-06 | National Chung Cheng University | Method and device for retrieving a breathing signal |
CN106901741A (zh) * | 2017-03-13 | 2017-06-30 | 合肥工业大学 | 一种适用于昼夜环境的呼吸率检测方法 |
KR20190007803A (ko) * | 2017-07-13 | 2019-01-23 | 성균관대학교산학협력단 | 적외선 영상을 이용한 생체신호 측정 방법 및 장치 |
US20210219848A1 (en) * | 2020-01-21 | 2021-07-22 | Research & Business Foundation Sungkyunkwan University | Method and apparatus for measuring robust pulse rate and respiratory rate using facial images |
CN112651388A (zh) * | 2021-01-20 | 2021-04-13 | 合肥工业大学 | 一种基于无人机的灾区生命信号检测与定位方法 |
CN113052115A (zh) * | 2021-04-06 | 2021-06-29 | 合肥工业大学 | 一种基于视频法的无人机机载生命体征探测方法 |
CN114041767A (zh) * | 2021-10-11 | 2022-02-15 | 宁波春建电子科技有限公司 | 一种基于深度相机和毫米波雷达的心率检测方法 |
Non-Patent Citations (4)
Title |
---|
张言飞;欧阳健飞;姚丽峰;: "基于快速人脸检测的实时呼吸测量系统的设计", 计算机工程与应用, no. 02, pages 260 - 265 * |
杨学志 等: "基于VMD的无人机视频呼吸率检测", 计算机系统应用, 15 August 2021 (2021-08-15), pages 142 - 149 * |
王䶮飞;: "救援无人机应用需求及发展趋势分析", 智库时代, no. 44, 29 October 2018 (2018-10-29), pages 254 * |
霍亮;杨学志;李江山;刘雪南;方帅;: "适用于昼夜环境的呼吸率视频检测", 中国图象图形学报, no. 01, 16 January 2018 (2018-01-16), pages 148 - 158 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295790A (zh) * | 2023-05-22 | 2023-06-23 | 合肥工业大学 | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 |
CN116295790B (zh) * | 2023-05-22 | 2023-09-05 | 合肥工业大学 | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126399B (zh) | 一种图像检测方法、装置、设备及可读存储介质 | |
CN112401856B (zh) | 一种基于毫米波雷达的疗养院监护方法及系统 | |
CN108831161A (zh) | 一种基于无人机的交通流量监测方法、智能系统及数据集 | |
CN113408508B (zh) | 基于Transformer的非接触式心率测量方法 | |
US20170277977A1 (en) | Image classifying apparatus, image classifying method, and image classifying program | |
CN102005037B (zh) | 结合多尺度双边滤波与方向滤波的多模图像融合方法 | |
CN111932468B (zh) | 一种基于含噪声图像分布约束的贝叶斯图像去噪方法 | |
CN114120176B (zh) | 远红外与可见光视频图像融合的行为分析方法 | |
CN117409190B (zh) | 一种实时红外图像目标检测方法、装置、设备及存储介质 | |
CN115089150B (zh) | 一种基于无人机的脉搏波检测方法、装置、电子设备及存储介质 | |
CN115089162A (zh) | 一种基于无人机视频的呼吸率检测方法及装置 | |
CN111986163A (zh) | 人脸图像选择方法和装置 | |
CN116309189A (zh) | 一种船舶烧伤伤员紧急转运分类的图像处理方法 | |
CN108765460A (zh) | 基于高光谱图像的空时联合异常检测方法和电子设备 | |
Zhang et al. | Deformable deep convolutional generative adversarial network in microwave based hand gesture recognition system | |
CN112911171B (zh) | 一种基于加速处理的智能光电信息处理系统及方法 | |
CN113052115A (zh) | 一种基于视频法的无人机机载生命体征探测方法 | |
CN110675427B (zh) | 智能振动检测方法及相关产品 | |
US11531639B2 (en) | Pipelined cognitive signal processor | |
CN116109962A (zh) | 一种基于视频相位的振动频率测量方法、装置、电子设备及存储介质 | |
JPH08248045A (ja) | 速度測定方法および速度測定装置 | |
CN111880656B (zh) | 一种基于p300信号的智能脑控系统及康复设备 | |
CN114569073A (zh) | 超宽带uwb生命体征信号提取方法、装置、设备及介质 | |
CN113793372A (zh) | 异源图像的优化配准方法及系统 | |
CN116933002A (zh) | 一种动作检测方法、装置、终端设备和存储介质 |
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 |