CN116584914A - 心率确定方法、装置、终端设备以及计算机可读存储介质 - Google Patents
心率确定方法、装置、终端设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116584914A CN116584914A CN202310594995.8A CN202310594995A CN116584914A CN 116584914 A CN116584914 A CN 116584914A CN 202310594995 A CN202310594995 A CN 202310594995A CN 116584914 A CN116584914 A CN 116584914A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- target
- determining
- area
- image
- 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 53
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000005286 illumination Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 210000003491 skin Anatomy 0.000 description 14
- 210000001061 forehead Anatomy 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004422 calculation algorithm 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
- 230000006870 function Effects 0.000 description 3
- 238000009532 heart rate measurement Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 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
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- A61B5/02427—Details of sensor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请适用于电子设备技术领域,提供了心率确定方法、装置、终端设备以及计算机可读存储介质,包括:确定目标图像中的目标区域,所述目标图像为对raw图进行图像信号处理后所得到的图像,所述目标区域为属于人体的皮肤区域;从所述raw图中查找与所述目标区域对应的位置区域;根据所述位置区域的通道数据确定所述人体的心率。通过上述方法,能够提高确定的心率的准确度。
Description
技术领域
本申请属于电子设备技术领域,尤其涉及心率确定方法、装置、终端设备以及计算机可读存储介质。
背景技术
在现代社会中,人们越来越关注自身的健康状态,比如,通过检测心率(即正常人在安静状态下心脏每分钟搏动的次数)来检测其心血管功能是否异常。
目前,可通过按压脉搏或电子血压仪等需接触的方式对心率进行测量,也可以通过对输入的视频中的用户进行分析来检测该用户的心率,即通过无需接触的方式对心率进行测量。但通过需接触的方式进行心率的测量时,由于需要有经验的用户参与,因此,操作用户的经验对测量结果的影响较大;而通过现有的无需接触的方式进行心率的测量时,测量的准确度较低。
故,需要提供一种新的方法来解决上述技术问题。
发明内容
本申请实施例提供了心率确定方法、装置、终端设备以及计算机可读存储介质,可以解决在通过无接触的方式进行心率的测量时,准确度过低的问题。
第一方面,本申请实施例提供了一种心率确定方法,包括:
确定目标图像中的目标区域,所述目标图像为对raw图进行图像信号处理后所得到的图像,所述目标区域为属于人体的皮肤区域;
从所述raw图中查找与所述目标区域对应的位置区域;
根据所述位置区域的通道数据确定所述人体的心率。
第二方面,本申请实施例提供了一种心率确定装置,包括:
目标区域确定模块,用于确定目标图像中的目标区域,所述目标图像为对raw图进行图像信号处理后所得到的图像,所述目标区域为属于人体的皮肤区域;
位置区域确定模块,用于从所述raw图中查找与所述目标区域对应的位置区域;
心率确定模块,用于根据所述位置区域的通道数据确定所述人体的心率。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述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实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面所述的方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例中,先确定出目标图像中的目标区域,再从该目标图像对应的raw图中查找与该目标区域对应的位置区域,最后根据该位置区域上的通道数据确定对人体的心率。由于目标区域为属于人体的皮肤区域,因此,根据该目标区域所确定的位置区域也属于人体的皮肤区域,从而保证根据该位置区域的通道数据所确定的心率为人体的心率。同时,由于目标区域是从目标图像确定,而目标图像是对raw图进行图像信号处理(Image SignalProcessing,ISP)处理后所得到的图像,因此,该目标图像的画质较好,从而能够提高确定的目标区域的准确度。此外,由于位置区域是从raw图确定的区域,而与目标图像相比,raw图所包含的信息量更多,且所包含的信息更准确,因此,根据位置区域的通道数据进行心率的计算时,能够提高得到的心率的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的光线从光源发出到达血管并反射的示意图;
图2是本申请一实施例提供的一种心率确定方法的流程示意图;
图3是本申请一实施例提供的另一种心率确定方法的流程示意图;
图4是本申请一实施例提供的一种心率确定装置的结构示意图;
图5是本申请另一实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
实施例一:
如图1所示,当光源发出光照射到皮肤上后,有一部分光会穿透皮肤(真皮和表皮)到达血管并被部分吸收,剩余的光会从血管反射出去。反射出去的光(即反射光)会由于血管中血容量的不同而有微弱变化。而心脏跳动会导致血管中的血容量呈周期性变化,因此,根据血管的反射光能够估算出心率。
当对经过ISP后的图像进行分析来估算心率时,由于经过ISP处理后的图像的数据精度低于raw图(原始的图)的数据精度,且经过ISP处理后的图像相对raw图会出现失真,因此,对经过ISP处理后的图像进行分析来估算心率时,其准确度较低。
为了提高估算的心率的准确度,本申请实施例提供了一种新的心率确定方法。
在该心率确定方法中,先从经过ISP处理后的图像中确定出目标区域,再在该经过ISP处理后的图像所对应的raw图中确定出与该目标区域对应的位置区域,最后根据该位置区域的通道数据确定人体的心率。
下面结合附图对本申请实施例提供的心率确定方法进行描述。
图2示出了本申请实施例提供的一种心率确定方法的流程示意图,详述如下:
步骤S21,确定目标图像中的目标区域,上述目标图像为对raw图进行图像信号处理后所得到的图像,上述目标区域为属于人体的皮肤区域。
其中,目标图像的格式可以为RGB格式,也可以为YUV格式等,此处不作限定。
其中,raw图是指光线通过镜头进入拍摄设备,感光成像所得到的图像。该raw图的数据位宽通常为12~16bit。
由于raw图通常存在过亮、过暗或噪声严重等现象,即raw图的画质通常很差,因此,在呈现给用户之前,都会对raw图进行ISP处理,处理后的图像大小与处理前的图像大小一致。其中,ISP处理包括一系列的非线性变化。
经过ISP处理后,得到的图像(即目标图像)的位宽通常会降低至8bit,且该目标图像与raw图相比,存在一定的失真。但对raw图进行ISP处理后,得到的画质更好,因此,与从raw图确定目标区域相比,从目标图像确定目标区域能够提高确定结果的准确度。
本申请实施例中,预先设定进行心率估算所对应的区域作为上述的目标区域,例如,可将人的手背、额头、脸颊中的一个或多个所对应的区域作为目标区域。当获取到包含人体的目标图像时,先判断目标图像中是否存在目标区域,若存在,则确定该目标区域,如确定该目标区域在目标图像中的位置范围,或确定该目标区域中各个像素点的位置等。
步骤S22,从上述raw图中查找与上述目标区域对应的位置区域。
由于raw图与其对应的目标图像的大小是相同的,因此,可根据目标区域在目标图像的位置在对应的raw图中查找到匹配的位置区域。例如,假设从目标图像确定出的目标区域为:x,y坐标为(10,10)、(30,10)、(10,30)、(30,30)四个像素点所围成的矩形区域,因此,在目标图像对应的raw图中,将(10,10)、(30,10)、(10,30)、(30,30)四个点所围成的矩形区域确定为上述的位置区域。
步骤S23,根据上述位置区域的通道数据确定上述人体的心率。
其中,上述的通道数据包括R分量(即R通道)的像素值幅值、G分量(即G通道)、B分量(即B通道)的像素值幅值和/或RGB(即R、G、B三个通道)的像素值幅值。
具体地,可预先统计出通道数据与心率的对应关系,这样,当获取到位置区域的通道数据后,能够根据该通道数据以及预先统计的对应关系确定出人体的心率。
本申请实施例中,先确定出目标图像中的目标区域,再从该目标图像对应的raw图中查找与该目标区域对应的位置区域,最后根据该位置区域上的通道数据确定对人体的心率。由于目标区域为属于人体的皮肤区域,因此,根据该目标区域所确定的位置区域也属于人体的皮肤区域,从而保证根据该位置区域的通道数据所确定的心率为人体的心率。同时,由于目标区域是从目标图像确定,而目标图像是对raw图进行ISP处理后所得到的图像,因此,该目标图像的画质较好,从而能够提高确定的目标区域的准确度。此外,由于位置区域是从raw图确定的区域,而与目标图像相比,raw图所包含的信息量更多,且所包含的信息更准确,因此,根据位置区域的通道数据进行心率的计算时,能够提高得到的心率的准确度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二:
考虑到raw图的作用除了得到目标图像,后续也需要从raw图中提取通道数据,因此,在本申请实施例中,将raw图输入ISP处理模块以便该ISP处理模块对该raw图进行ISP处理之后,将继续保存该raw图,而不会直接删除该raw图。在一些实施例中,为了提高内存的利用率,采用缓存的方式存储raw图,即在上述步骤S21之前,还包括:
A1、对人体进行拍摄,得到上述raw图并缓存。
具体地,通过拍摄设备(如摄像头或摄像机等)对人体进行拍摄,从感光传感器得到raw图后,缓存该raw图。在一些实施例中,当需要缓存多个raw图时,可记录raw图与目标图像的对应关系。例如,假设生成的raw图包括:raw图1、raw图2,对raw图1、raw图2分别进行ISP处理后,得到目标图像1和目标图像2,则记录raw图1与目标图像1的对应关系,raw图2与目标图像2的对应关系,这样,后续能够根据记录的对应关系,准确确定出需要在哪个raw图查找对应的位置区域。
在一些实施例中,为了获得面积更大的目标区域以提高后续得到的心率的准确度,也可仅针对包括目标区域的部分人体进行拍摄,例如,假设目标区域为额头所在的区域,则可只对人脸进行拍摄。由于只对包含目标区域的部分人体进行拍摄,因此,能够提高目标区域在raw图(或目标图像)中的占比,从而有利于提高从目标图像确定出的目标区域的准确度,进而提高后续得到的心率的准确度。
A2、对上述raw图进行图像信号处理,得到上述目标图像。
具体地,可在得到raw图后即对该raw图进行ISP处理,也可以缓存该raw图后再对该raw图进行处理,此处不作限定。
对应地,上述步骤S22包括:
从缓存的上述raw图中查找与上述目标区域对应的位置区域。
本申请实施例中,由于在生成raw图之后缓存该raw图,因此,能够保证后续在需要确定位置区域时,能够快速从缓存中提取到对应的raw图。
实施例三:
在一些实施例中,考虑到人脸通常不存在遮挡物,而不存在遮挡物时,皮肤所反映的光信息更准确,且人脸的识别相对其他部位来说更容易,因此,为了提高得到的心率的准确度,可将人脸的平坦区域作为本申请实施例的目标区域,此时,上述步骤S21包括:
B1、识别上述目标图像中的人脸。
具体地,可预先根据深度学习算法训练出一个人脸识别模型。当得到目标图像之后,将该目标图像输入该人脸识别模型,得到该人脸识别模型输出的识别结果。例如,在目标图像存在人脸时,该识别结果包括该人脸的位置信息。进一步地,识别结果还可包括人脸的可信度,这样,后续可依据该可信度选择是否需要重新进行人脸识别。
B2、检测上述人脸的多个关键点。
其中,人脸的关键点通常包括嘴巴、鼻子和眼睛所对应的关键点。例如,包括左右两个嘴角、双眼中心、鼻尖这5个关键点。
具体地,可预先根据深度学习算法训练出一个关键点识别模型,该关键点识别模型用于识别人脸的关键点。当得到人脸信息(如人脸的位置信息)之后,可根据人脸信息从目标图像提取出对应的人脸,并将该人脸输入到关键点识别模型,得到该关键点识别模型输出的关键点信息,如得到关键点的位置信息。当然,也可将人脸信息以及目标图像同时输入关键点识别模型,该关键点识别模型只对人脸信息所对应的人脸进行关键点识别。
在一些实施例中,考虑到关键点的数量较少(如只有1个关键点)时,根据该关键点难以准确确定出目标区域,因此,当从人脸检测到的关键点的数量较少时,重新对人脸进行检测,或者,丢弃该目标图像。
B3、根据上述多个关键点确定上述人脸的平坦区域,将上述平坦区域确定为上述目标区域。
其中,这里的平坦区域包括额头所对应的区域,和/或,脸颊所对应的区域。
具体地,可根据检测到的多个关键点的位置计算人脸角度,并根据该人脸角度对人脸进行校正,进而根据校正结果确定出人脸的平坦区域。
本申请实施例中,考虑到人脸通常不存在遮挡物,因此,从人脸确定出目标区域能够提高后续得到的心率的准确度。同时,由于从目标图像确定出人脸后,还从该人脸检测多个关键点,因此,后续根据该多个关键点确定平坦区域时,使得确定该平坦区域的依据较多,从而提高确定的平坦区域的准确度。此外,由于与非平坦区域的反射光相比,平坦区域的各个反射光之间的干扰相对较少,因此,将平坦区域作为目标区域能够提高后续得到的心率的准确度。
实施例四:
在一些实施例中,上述步骤S23包括:
根据上述位置区域对应的G分量的像素值幅值确定上述人体的心率。
具体地,考虑到血液对绿色光的反射率最高,并且,在raw图格式中G通道像素是R或B通道像素的两倍(如下表1所示),理论上G通道的信息量更丰富,因此,在本申请实施例中,根据G分量的像素值幅值确定人体的心率能够提高确定的心率的准确度。
表1:
G | R | G | R | G | R | G | R |
B | G | B | G | B | G | B | G |
G | R | G | R | G | R | G | R |
B | G | B | G | B | G | B | G |
G | R | G | R | G | R | G | R |
B | G | B | G | B | G | B | G |
G | R | G | R | G | R | G | R |
B | G | B | G | B | G | B | G |
实施例五:
在一些实施例中,上述位置区域的数量大于1,上述步骤S23包括:
计算所有上述位置区域的通道数据的均值,根据上述均值确定上述人体的心率。
或者,
对每一个上述位置区域,根据上述位置区域的通道数据计算出对应的心率,得到中间心率。
根据各个上述中间心率计算出上述人体的心率。
具体地,当位置区域的数量大于1,可先计算这些位置区域中的所有的通道数据的均值,再根据该均值确定人体的心率。例如,假设位置区域为额头区域和脸颊区域,则先确定额头区域和脸颊区域所对应的所有的通道数据,再将所有的通道数据(如G分量的像素值幅值)相加,最后根据相加结果以及所有的通道数据的数量计算出通道数据的均值,结合该均值以及预设的通道数据与心率的对应关系来确定该均值对应的人体的心率。
当然,也可以采用以下方式确定人体的心率:
即先确定每个位置区域对应的心率,再根据确定的各个心率计算出最终的人体的心率。例如,假设位置区域为额头区域和脸颊区域,则先根据额头区域的通道数据确定出一个心率(假设为第一心率),以及,根据脸颊区域的通道数据确定出一个心率(假设为第二心率),再根据第一心率和第二心率确定出最终的人体的心率(如取第一心率和第二心率的均值作为人体的心率)。
在本申请实施例中,由于选取的位置区域有多个时,充分考虑了各个位置区域的通道数据,因此,能够提高后续确定的心率的准确度。
实施例六:
在一些实施例中,考虑到心脏跳动是周期性运动,因此,通过对连续多帧图像进行分析来确定人体的心率,以提高得到的心率的准确度,此时,上述步骤S21包括:
从视频流中确定多个包含同一人体的目标图像,并分别确定多个上述目标图像中的目标区域。
对应地,上述步骤S22包括:
对每一个上述目标区域,从与上述目标区域所在的目标图像对应的raw图中查找与上述目标区域对应的位置区域。
对应地,上述步骤S23包括:
C1、确定各个上述位置区域的通道数据随时间变化的规律。
C2、根据上述规律确定上述人体的心率。
具体地,从视频流中确定包含同一人体的目标图像,再根据该人体从该目标图像中确定出对应的目标区域,最后根据得到的各个目标区域从对应的raw图中确定出位置区域,并根据各个位置区域的通道数据确定人体的心率。例如,在人体为人脸,目标区域为额头区域时,可从同一个视频流中确定包含同一人脸(假设为人脸A)的目标图像,分别对各个目标图像的人脸A进行识别,得到各个人脸A的额头区域。在得到各个目标图像的额头区域后,从与各个目标图像对应的raw图中,确定与相应额头区域对应的位置区域。提取各个位置区域的通道数据,根据各个位置区域的通道数据(如各个位置区域的通道数据的均值)以及对应raw图的采集时间确定各个通道数据随时间变化的规律,即得到各个位置区域的通道数据的时空特征,最后根据该时空特征确定出人体的心率。
本申请实施例中,由于根据通道数据的时空特征来确定人体的心率,而人体的心率会随着心脏周期性的变化而变化,因此,通过上述方式确定人体的心率时,能够提高确定的心率的准确度。
在一些实施例中,考虑到光照强度会影响心率计算的准确度,因此,需要保证环境中的光照强度不能变化过大,即在上述从视频流中确定多个包含同一人体的目标图像之前,还包括:
D1、确定上述视频流中的图像帧的光照强度。
其中,图像帧的光照强度可采用图像帧的亮度表示。
具体地,当光照强度采用亮度表示时,可通过MATLAB等软件计算出视频流中的各个图像帧的亮度。
当然,若能够获取视频流的拍摄环境的光照强度,则根据光照强度的获取时间和图像帧的拍摄时间,确定视频流中各个图像帧的光照强度。例如,假设在时间点1获取的环境的光照强度为M,在该时间点1拍摄到的图像帧为图像帧1,则该图像帧1的光照强度为M。
D2、根据确定的上述光照强度计算上述视频流的光照强度变化。
具体地,通过比较各个图像帧的光照强度来确定视频流的光照强度变化。
对应地,上述从视频流中确定多个包含同一人体的目标图像,包括:
若上述光照强度变化在预设的变化范围内,则从视频流中确定多个包含同一人体的目标图像。
由于本申请实施例的心率是根据皮肤的反射光来确定,而光照强度变化过大时会影响反射光的强度,因此,只有在判断出视频流的光照强度变化在预设的变化范围内后,才从视频流确定出目标图像,能够提高后续依据该目标图像确定出的心率的准确度。
为了更清楚地描述本申请实施例提供的心率确定方法,下面结合图3进行描述。
在图3中,拍摄设备为摄像机,目标图像为RGB图像。
在摄像机开始工作后,感光传感器(sensor)成像,并得到raw图,该raw图经过ISP管线(pipeline)处理后,得到YUV格式的图像或者RGB格式的图像,这些格式的图像可通过视频编码,得到对应的视频码流。
在本申请实施例中,可在得到YUV格式的图像或者RGB格式的图像之后直接对得到的YUV格式的图像或者RGB格式的图像进行处理,得到目标区域,或者,在得到视频码流之后,再解码该视频码流来得到YUV格式的图像或者RGB格式的图像,并对解码得到的YUV格式的图像或者RGB格式的图像进行处理,以得到目标区域。
在得到目标区域之后,从与该目标区域所在的RGB格式的图像(或YUV格式的图像)对应的raw图中确定出与该目标区域对应的位置区域,并根据该位置区域的G通道的像素值幅值估算出人体的心率。
实施例七:
对应于上文实施例所描述的心率确定方法,图4示出了本申请实施例提供的心率确定装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图4,该心率确定装置4包括:目标区域确定模块41、位置区域确定模块42、心率确定模块43。其中:
目标区域确定模块41,用于确定目标图像中的目标区域,上述目标图像为对raw图进行图像信号处理后所得到的图像,上述目标区域为属于人体的皮肤区域。
位置区域确定模块42,用于从上述raw图中查找与上述目标区域对应的位置区域。
心率确定模块43,用于根据上述位置区域的通道数据确定上述人体的心率。
本申请实施例中,先确定出目标图像中的目标区域,再从该目标图像对应的raw图中查找与该目标区域对应的位置区域,最后根据该位置区域上的通道数据确定对人体的心率。由于目标区域为属于人体的皮肤区域,因此,根据该目标区域所确定的位置区域也属于人体的皮肤区域,从而保证根据该位置区域的通道数据所确定的心率为人体的心率。同时,由于目标区域是从目标图像确定,而目标图像是对raw图进行ISP处理后所得到的图像,因此,该目标图像的画质较好,从而能够提高确定的目标区域的准确度。此外,由于位置区域是从raw图确定的区域,而与目标图像相比,raw图所包含的信息量更多,且所包含的信息更准确,因此,根据位置区域的通道数据进行心率的计算时,能够提高得到的心率的准确度。
在一些实施例中,该心率确定装置4还包括:
缓存模块,用于在上述确定目标图像中的目标区域之前,对人体进行拍摄,得到上述raw图并缓存。
图像处理模块,用于对上述raw图进行图像信号处理,得到上述目标图像。
对应地,上述位置区域确定模块42具体包括:
从缓存的上述raw图中查找与上述目标区域对应的位置区域。
在一些实施例中,上述目标区域确定模块41包括:
人脸识别单元,用于识别上述目标图像中的人脸。
关键点检测单元,用于检测上述人脸的多个关键点。
平坦区域确定单元,用于根据上述多个关键点确定上述人脸的平坦区域,上述平坦区域为上述目标区域。
在一些实施例中,上述心率确定模块43包括:
根据上述位置区域对应的G分量的像素值幅值确定上述人体的心率。
在一些实施例中,上述位置区域的数量大于1,上述心率确定模块43包括:
计算所有上述位置区域的通道数据的均值,根据上述均值确定上述人体的心率。
或者,
对每一个上述位置区域,根据上述位置区域的通道数据计算出对应的心率,得到中间心率。
根据各个上述中间心率计算出上述人体的心率。
在一些实施例中,上述目标区域确定模块41包括:
从视频流中确定多个包含同一人体的目标图像,并分别确定多个上述目标图像中的目标区域。
对应地,上述位置区域确定模块42具体用于:
对每一个上述目标区域,从与上述目标区域所在的目标图像对应的raw图中查找与上述目标区域对应的位置区域。
对应地,上述心率确定模块43包括:
时间特征确定单元,用于确定各个上述位置区域的通道数据随时间变化的规律。
心率计算单元,用于根据上述规律确定上述人体的心率。
在一些实施例中,该心率确定装置4还包括:
光照强度确定模块,用于在上述从视频流中确定多个包含同一人体的目标图像之前,确定上述视频流中的图像帧的光照强度。
光照强度变化确定模块,用于根据确定的上述光照强度计算上述视频流的光照强度变化。
对应地,上述目标区域确定模块41在从视频流中确定多个包含同一人体的目标图像时,具体用于:
若上述光照强度变化在预设的变化范围内,则从视频流中确定多个包含同一人体的目标图像。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
实施例八:
图5为本申请一实施例提供的终端设备的结构示意图。如图5所示,该实施例的终端设备5包括:至少一个处理器50(图5中仅示出一个处理器)、存储器51以及存储在上述存储器51中并可在上述至少一个处理器50上运行的计算机程序52,上述处理器50执行上述计算机程序52时实现上述任意各个方法实施例中的步骤。
上述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的举例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器51在一些实施例中可以是上述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。上述存储器51在另一些实施例中也可以是上述终端设备5的外部存储设备,例如上述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器51还可以既包括上述终端设备5的内部存储单元也包括外部存储设备。上述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如上述计算机程序的程序代码等。上述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述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可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种心率确定方法,其特征在于,包括:
确定目标图像中的目标区域,所述目标图像为对raw图进行图像信号处理后所得到的图像,所述目标区域为属于人体的皮肤区域;
从所述raw图中查找与所述目标区域对应的位置区域;
根据所述位置区域的通道数据确定所述人体的心率。
2.如权利要求1所述的心率确定方法,其特征在于,在所述确定目标图像中的目标区域之前,还包括:
对人体进行拍摄,得到所述raw图并缓存;
对所述raw图进行图像信号处理,得到所述目标图像;
所述从所述raw图中查找与所述目标区域对应的位置区域,包括:
从缓存的所述raw图中查找与所述目标区域对应的位置区域。
3.如权利要求1所述的心率确定方法,其特征在于,所述确定目标图像中的目标区域,包括:
识别所述目标图像中的人脸;
检测所述人脸的多个关键点;
根据所述多个关键点确定所述人脸的平坦区域,将所述平坦区域确定为所述目标区域。
4.如权利要求1所述的心率确定方法,其特征在于,所述根据所述位置区域的通道数据确定所述人体的心率,包括:
根据所述位置区域对应的G分量的像素值幅值确定所述人体的心率。
5.如权利要求1至4任一项所述的心率确定方法,其特征在于,所述位置区域的数量大于1,所述根据所述位置区域的通道数据确定所述人体的心率,包括:
计算所有所述位置区域的通道数据的均值,根据所述均值确定所述人体的心率;
或者,
对每一个所述位置区域,根据所述位置区域的通道数据计算出对应的心率,得到中间心率;
根据各个所述中间心率计算出所述人体的心率。
6.如权利要求1至4任一项所述的心率确定方法,其特征在于,所述确定目标图像中的目标区域,包括:
从视频流中确定多个包含同一人体的目标图像,并分别确定多个所述目标图像中的目标区域;
所述从所述raw图中查找与所述目标区域对应的位置区域,包括:
对每一个所述目标区域,从与所述目标区域所在的目标图像对应的raw图中查找与所述目标区域对应的位置区域;
所述根据所述位置区域的通道数据确定所述人体的心率,包括:
确定各个所述位置区域的通道数据随时间变化的规律;
根据所述规律确定所述人体的心率。
7.如权利要求6所述的心率确定方法,其特征在于,在所述从视频流中确定多个包含同一人体的目标图像之前,还包括:
确定所述视频流中的图像帧的光照强度;
根据确定的所述光照强度计算所述视频流的光照强度变化;
所述从视频流中确定多个包含同一人体的目标图像,包括:
若所述光照强度变化在预设的变化范围内,则从视频流中确定多个包含同一人体的目标图像。
8.一种心率确定装置,其特征在于,包括:
目标区域确定模块,用于确定目标图像中的目标区域,所述目标图像为对raw图进行图像信号处理后所得到的图像,所述目标区域为属于人体的皮肤区域;
位置区域确定模块,用于从所述raw图中查找与所述目标区域对应的位置区域;
心率确定模块,用于根据所述位置区域的通道数据确定所述人体的心率。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310594995.8A CN116584914A (zh) | 2023-05-24 | 2023-05-24 | 心率确定方法、装置、终端设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310594995.8A CN116584914A (zh) | 2023-05-24 | 2023-05-24 | 心率确定方法、装置、终端设备以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116584914A true CN116584914A (zh) | 2023-08-15 |
Family
ID=87598892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310594995.8A Pending CN116584914A (zh) | 2023-05-24 | 2023-05-24 | 心率确定方法、装置、终端设备以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116584914A (zh) |
-
2023
- 2023-05-24 CN CN202310594995.8A patent/CN116584914A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10383531B2 (en) | Physiological signals measurement systems and methods thereof | |
EP3015057B1 (en) | Estimating physiological parameters | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN109840485B (zh) | 一种微表情特征提取方法、装置、设备及可读存储介质 | |
CN117132510B (zh) | 一种基于图像处理的监控图像增强方法及系统 | |
CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
TW201822708A (zh) | 動態影像之心率活動偵測系統與其方法 | |
CN111079764A (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
CN111062891A (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
CN109886195B (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
CN112037287A (zh) | 相机标定方法、电子设备及存储介质 | |
CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
CN111488779B (zh) | 视频图像超分辨率重建方法、装置、服务器及存储介质 | |
CN113658097B (zh) | 一种眼底图像质量增强模型的训练方法及装置 | |
CN109712134B (zh) | 虹膜图像质量评价方法、装置及电子设备 | |
CN117496560B (zh) | 一种基于多维向量的指纹纹线识别方法及装置 | |
CN114758268A (zh) | 手势识别方法、装置及智能设备 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN111784660B (zh) | 一种用于人脸图像的正脸程度的分析方法和系统 | |
Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
KR20220047749A (ko) | 슬랩/핑거 전경(foreground) 마스크를 생성하기 위한 방법 | |
CN116584914A (zh) | 心率确定方法、装置、终端设备以及计算机可读存储介质 | |
CN113379702B (zh) | 一种微循环图像的血管路径提取方法及装置 |
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 |