CN116758066A - 一种非接触测量心率方法、设备及介质 - Google Patents
一种非接触测量心率方法、设备及介质 Download PDFInfo
- Publication number
- CN116758066A CN116758066A CN202311014369.3A CN202311014369A CN116758066A CN 116758066 A CN116758066 A CN 116758066A CN 202311014369 A CN202311014369 A CN 202311014369A CN 116758066 A CN116758066 A CN 116758066A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- ppg
- tracking points
- tracking
- ppg signal
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009532 heart rate measurement Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 230000000737 periodic effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 15
- 238000005259 measurement Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000013186 photoplethysmography Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
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
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种非接触测量心率方法、设备及介质，利用可见光相机获取受视者的ROI视频流，获取第一帧图像并初始化m个跟踪点，确定m个跟踪点的预设范围内的RGB三通道均值，并累积m个跟踪点的三通道均值；当累积时间t达到预设时间阈值，将累积的m个跟踪点的RGB三通道均值序列转换为m个ppg信号，将所述m个ppg信号形成ppg矩阵P，基于ppg矩阵P确定自相关矩阵，并基于自相关矩阵确定m个跟踪点的心率特征系数，提取m个心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号；利用在t时间段内的ppg信号确定最大值，则受视者的心率为最大值*60，大幅降低视觉方式测量心率的成本。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种非接触测量心率方法、设备及介质。
背景技术
非接触视频方式监测心率是指利用可见光相机或者红外相机拍摄人体视频图像，然后用图像处理算法计算人体心率。
目前非接触视频方式监测心率的主要方法为获取受视者视频图像，然后提取受视者面部ROI（region of interest，感兴趣区域），计算ROI在RGB三个通道的均值，然后将RGB三个通道的均值转换成ppg（photoplethysmographic，光电容积脉搏波描记法）信号，最后通过对ppg信号进行频域分析得到心率。
现有方案中存在的缺点包括：当受视者运动或者环境光变化，会将ppg信号引入噪声，使得心率测量不准。同时提取受视者面部ROI所需深度学习算法对计算设备的算力性能有一定要求，这就增加了心率非接触测量成本。
发明内容
本发明为解决上述问题，提供一种非接触测量心率方法、设备及介质。
第一方面，本发明实施例中提供一种非接触测量心率方法，包括：
利用可见光相机获取受视者的ROI视频流，所述ROI视频流具有所述受视者的心率运动特征明显区域且包括若干帧ROI图像；
获取所述若干帧ROI图像中的第一帧图像，并初始化所述第一帧图像中的m个跟踪点，m为正整数；
确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值；
当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个ppg信号；
将所述m个ppg信号形成ppg矩阵P；
基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数；
提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号；
利用所述在t时间段内的ppg信号确定最大值/>，则所述受视者的心率为最大值/>*60，完成心率检测。
作为一种可选的方案，所述确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值，包括：
以各个跟踪点为中心，以n个像素为半径得到m个圆形区域，求取各个圆形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值；
以各个跟踪点为中心，以k个像素为边长得到m个正方形区域，求取各个正方形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值，其中n和k均为正整数。
作为一种可选的方案，所述当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个光电容积描记ppg信号，包括：
心率计算所需累积时间为t，相机帧频为f，则心率计算所需累积帧数为，m个跟踪点在时间t内累积得到/>个R通道均值、/>个G通道均值、个B通道均值。将累积的RGB通道均值转换成m个ppg信号，转换方法如下
其中，i、j为常数，、/>、/>分别为第i个跟踪点的R通道均值，G通道均值和B通道均值，/>为/>和/>的标准差之比，/>为第i个跟踪点的ppg信号，/>是一个长度为n的一维数组。
作为一种可选的方案，所述将所述m个ppg信号形成ppg矩阵P，包括：
将所有跟踪点ppg信号组成ppg信号矩阵为：
；
其中，Pi是指第i个点的ppg信号，ppg信号是一种携带生理信息的时间序列，序列的长度为。
作为一种可选的方案，所述基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数，包括：
计算m个跟踪点在t时间段内的ppg信号矩阵P的自相关矩阵C：
定义为第i个跟踪点的心率特征系数，受视者面部随心率周期性波动明显的跟踪点之间形成的ppg信号随时间变化相关性较强，背景区域跟踪点与其他跟踪点之间形成的ppg信号变化相关性较弱，得到心率特征系数最大的跟踪点ppg信号随心率周期性波动最明显。
作为一种可选的方案，心率范围为0.8Hz至3Hz，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号，包括：
心率特征系数最大的跟踪点在t时间段内的ppg信号，求ppg信号/>的功率谱密度或者对ppg信号/>进行傅里叶变换，确定/>的功率谱密度或傅里叶变换在心率范围内的最大值/>。
作为一种可选的方案，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号之后，还包括：
计算所述ppg信号的标准差，当所述标准差低于心率暂停阈值则确定所述受视者心率暂停。
作为一种可选的方案，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号之后，还包括：
计算所述ppg信号的标准差，当所述标准差高于心率暂停阈值则确定所述受视者心率正常。
第二方面，本发明实施例中提供一种计算机设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的非接触测量心率方法。
第三方面，本发明实施例中提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的非接触测量心率方法。
与现有技术相比，本发明能够取得如下有益效果：
本发明实施例中提供一种非接触测量心率方法、设备及介质，利用可见光相机获取受视者的ROI视频流，所述ROI视频流具有所述受视者的心率运动特征明显区域且包括若干帧ROI图像；获取所述若干帧ROI图像中的第一帧图像，并初始化所述第一帧图像中的m个跟踪点，m为正整数；确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值；当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个ppg信号；将所述m个ppg信号形成ppg矩阵P；基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数；提取m个心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号；利用所述在t时间段内的ppg信号/>确定最大值/>，则所述受视者的心率为最大值/>*60，完成心率检测。本发明实施例中通过采用光流法对受视者图像位置跟踪点进行跟踪，通过解算跟踪点位置周期特性求得受视者心率情况，该方法不需要深度学习算法和红外传感器，降低了硬件要求，从大幅降低视觉方式测量心率的成本。另外，还采用跟踪点之间相关性去除噪声，进一步提高测量精度和鲁棒性。
附图说明
图1是根据本发明实施例提供的一种非接触测量心率方法的流程示意图；
图2是根据本发明实施例提供的一种非接触测量心率方法中初始光流运动跟踪点的分布示意图；
图3是根据本发明具体实施方式中提供的计算机设备的结构框图。
具体实施方式
在下文中，将参考附图描述本发明的实施例。在下面的描述中，相同的模块使用相同的附图标记表示。在相同的附图标记的情况下，它们的名称和功能也相同。因此，将不重复其详细描述。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。
结合图1所示，本发明实施例中提供一种非接触测量心率方法，包括：
S101、利用可见光相机获取受视者的ROI视频流，所述ROI视频流具有所述受视者的心率运动特征明显区域且包括若干帧ROI图像。
ROI视频流可以利用可见光相机实时获取受视者面部图像视频流信息，这里心率运动特征明显区域可以是受视者的面部，ROI视频流包括若干帧ROI图像。
S102、获取所述若干帧ROI图像中的第一帧图像，并初始化所述第一帧图像中的m个跟踪点，m为正整数。
图像处理器将可见光相机获取的第一帧图像以一定位置间隔标记出初始光流运动跟踪点，如图2所示。
S103确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值。
可见光相机将以固定帧频继续采集人体视频信息，同时图像处理器利用稀疏光流法对第一帧标记的初始光流运动跟踪点进行跟踪，得到采集视频图像中跟踪点新的位置，相机视场中受视者面部运动会使这些跟踪点的位置发生位移。
定义m个跟踪点个数，计算m个跟踪点附近RGB通道均值方法为：1）以各个跟踪点为中心，以n个像素为半径得到m个圆形区域，n为正整数，可以取20，也可以根据需要取其他值，对此不做限定，求取各个圆形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值；2）以各个跟踪点为中心，以k个像素为边长得到m个正方形区域，k为正整数，k可以取40，也可以根据需要取其他值，对此不做限定，求取各个正方形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值。
S104、当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个ppg信号。
设心率计算所需累积时间为t，相机帧频为f，则心率计算所需累积帧数为，m个跟踪点在时间t内累积得到/>个R通道均值、/>个G通道均值、个B通道均值。将累积的RGB通道均值转换成m个ppg信号，转换方法如下
其中，i、j为常数，、/>、/>分别为第i个跟踪点的R通道均值，G通道均值和B通道均值，/>为/>和/>的标准差之比，/>为第i个跟踪点的ppg信号，/>是一个长度为n的一维数组。
S105、将所述m个ppg信号形成ppg矩阵P。
具体地，将所有跟踪点ppg信号组成ppg信号矩阵为：
；
其中，Pi是指第i个点的ppg信号，ppg信号是一种携带生理信息的时间序列，序列的长度为。
S106、基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数。
为了在m个跟踪点中找出随受视者心率波动周期变化最明显的跟踪点，本发明计算m个跟踪点在时间t内的ppg信号矩阵P的自相关矩阵C：
由于并定义为第i个跟踪点的心率特征系数，由于受视者面部随心率周期性波动明显的跟踪点之间形成的ppg信号随时间变化相关性较强，背景区域跟踪点与其他点之间形成的ppg信号变化相关性较弱，根据这个原则可以得到心率特征系数最大的跟踪点ppg信号随心率周期性波动最明显。
S107、提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号。
心率特征系数最大的跟踪点在时间t内的ppg信号。
S108、利用所述在t时间段内的ppg信号确定最大值/>，则所述受视者的心率为最大值/>*60，完成心率检测。
计算ppg信号的功率谱密度或者对/>进行傅里叶变换，然后求/>的功率谱密度或傅里叶变换在心率范围的最大值/>，心率范围可以为0.8Hz至3Hz，则可以得到受视者心率为最大值/>。
本发明实施例中提供一种非接触测量心率方法，利用可见光相机获取受视者的ROI视频流，所述ROI视频流具有所述受视者的心率运动特征明显区域且包括若干帧ROI图像；获取所述若干帧ROI图像中的第一帧图像，并初始化所述第一帧图像中的m个跟踪点，m为正整数；确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值；当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个光电容积描记ppg信号；将所述m个ppg信号形成ppg矩阵P；基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数；提取m个心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号；利用所述在t时间段内的ppg信号/>确定最大值/>，则所述受视者的心率为最大值/>*60，完成心率检测。本发明实施例中通过采用光流法对受视者图像位置跟踪点进行跟踪，通过解算跟踪点位置周期特性求得受视者心率情况，该方法不需要深度学习算法和红外传感器，降低了硬件要求，从大幅降低视觉方式测量心率的成本。另外，还采用跟踪点之间相关性去除噪声，进一步提高测量精度和鲁棒性。
在一些实施例中，所述确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值，包括：
以各个跟踪点为中心，以n个像素为半径得到m个圆形区域，求取各个圆形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值；
以各个跟踪点为中心，以k个像素为边长得到m个正方形区域，求取各个正方形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值，其中n和k均为正整数。
在一些实施例中，所述当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个光电容积描记ppg信号，包括：
心率计算所需累积时间为t，相机帧频为f，则心率计算所需累积帧数为，m个跟踪点在时间t内累积得到/>个R通道均值、/>个G通道均值、个B通道均值。将累积的RGB通道均值转换成m个ppg信号，转换方法如下
其中，、/>、/>分别为第i个跟踪点的R通道均值，G通道均值和B通道均值，/>为/>和/>的标准差之比，/>为第i个跟踪点的ppg信号，/>是一个长度为n的一维数组。
在一些实施例中，所述将所述m个ppg信号形成ppg矩阵P，包括：
将所有跟踪点ppg信号组成ppg信号矩阵为：
；
其中，Pi是指第i个点的ppg信号，ppg信号是一种携带生理信息的时间序列，序列的长度为。
在一些实施例中，所述基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数，包括：
计算m个跟踪点在t时间段内的ppg信号矩阵P的自相关矩阵C：
定义为第i个跟踪点的心率特征系数，受视者面部随心率周期性波动明显的跟踪点之间形成的ppg信号随时间变化相关性较强，背景区域跟踪点与其他跟踪点之间形成的ppg信号变化相关性较弱，得到心率特征系数最大的跟踪点ppg信号随心率周期性波动最明显。
在一些实施例中，心率范围为0.8Hz至3Hz，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号，包括：
心率特征系数最大的跟踪点在t时间段内的ppg信号，求ppg信号/>的功率谱密度或者对ppg信号/>进行傅里叶变换，确定/>的功率谱密度或傅里叶变换在心率范围内的最大值/>。
在一些实施例中，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号之后，还包括：
计算所述ppg信号的标准差，当所述标准差低于心率暂停阈值则确定所述受视者心率暂停。
为了使得心率暂停检测更准确，这里在判断标准差达到心率暂停阈值时需要维持预设时长阈值才考虑确定受视者心率暂停，对于预设时长阈值本领域普通技术人员可以灵活选择，对此不做限定。
在一些实施例中，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号之后，还包括：
计算所述ppg信号的标准差，当所述标准差高于心率暂停阈值则确定所述受视者心率正常。
本发明实施例中提供的非接触测量心率方法，利用可见光相机实时获取受视者面部图像视频流信息，计算过程为：点位跟踪、计算跟踪点附近RGB通道均值、RGB通道均值累积、ppg信号提取、求ppg信号矩阵的自相关矩阵、心率特征系数计算、心率计算，图像处理器将可见光相机获取的第一帧图像以一定位置间隔标记出初始光流运动跟踪点，可见光相机将以固定帧频继续采集人体视频信息，同时图像处理器利用稀疏光流法对第一帧标记的初始光流运动跟踪点进行跟踪，得到采集视频图像中跟踪点新的位置，相机视场中受视者面部运动会使这些跟踪点的位置发生位移。设跟踪点个数为m个，计算m个跟踪点附近RGB通道均值方法为：1）以各个跟踪点为中心，以20个（不限于20个）像素为半径得到m个圆形区域，求取各个圆形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值；2）以各个跟踪点为中心，以40个（不限于40个）像素为边长得到m个正方形区域，求取各个正方形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值。设心率计算所需累积时间为t，相机帧频为f，则心率计算所需累积帧数为，m个跟踪点在时间t内累积得到/>个R通道均值、个G通道均值、/>个B通道均值。将累积的RGB通道均值转换成m个ppg信号，转换方法如下
其中，i、j为常数，、/>、/>分别为第i个跟踪点的R通道均值，G通道均值和B通道均值，/>为/>和/>的标准差之比，/>为第i个跟踪点的ppg信号，/>是一个长度为n的一维数组。
将所有跟踪点ppg信号组成ppg信号矩阵为：
为了在m个跟踪点中找出随受视者心率波动周期变化最明显的跟踪点，本发明计算m个跟踪点在时间t内的ppg信号矩阵P的自相关矩阵C：
由于并定义为第i个跟踪点的心率特征系数，由于受视者面部随心率周期性波动明显的跟踪点之间形成的ppg信号随时间变化相关性较强，背景区域跟踪点与其他点之间形成的ppg信号变化相关性较弱，根据这个原则可以得到心率特征系数最大的跟踪点ppg信号随心率周期性波动最明显。设心率特征系数最大的跟踪点在时间t内的ppg信号为/>，求/>的功率谱密度或者对/>进行傅里叶变换，然后求/>的功率谱密度或傅里叶变换在心范围内（如0.8Hz至3Hz）的最大值/>，则可以得到受视者心率为最大值/>。
本发明的目的是提供一种视频方式非接触测量心率的方法，采用光流法对受视者图像位置跟踪点进行跟踪，通过解算跟踪点位置周期特性求得受视者心率和心率暂停情况，该方法不需要深度学习算法和红外传感器，降低了硬件要求，从大幅降低视觉方式测量心率的成本。本发明还用跟踪点之间相关性去除噪声，提高测量精度和鲁棒性。以解决现有视频方式心率测量方法精度低、成本高、鲁棒性差的缺点。
相应地，根据本发明的实施例，本发明还提供了一种计算机设备、一种可读存储介质和一种计算机程序产品。
图3为本发明实施例中提供的一种计算机设备12的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器RAM30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM、DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的非接触测量心率方法。
本发明实施例中还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时本申请所有发明实施例提供的非接触测量心率方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述的非接触测量心率方法。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种非接触测量心率方法，其特征在于，包括：
利用可见光相机获取受视者的ROI视频流，所述ROI视频流具有所述受视者的心率运动特征明显区域且包括若干帧ROI图像；
获取所述若干帧ROI图像中的第一帧图像，并初始化所述第一帧图像中的m个跟踪点，m为正整数；
确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值；
当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个ppg信号；
将所述m个ppg信号形成ppg矩阵P；
基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数；
提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号；
利用所述在t时间段内的ppg信号确定最大值/>，则所述受视者的心率为最大值/>*60，完成心率检测。
2.根据权利要求1所述的非接触测量心率方法，其特征在于，所述确定所述m个跟踪点的预设范围内的RGB三通道均值，并累积所述m个跟踪点的三通道均值，包括：
以各个跟踪点为中心，以n个像素为半径得到m个圆形区域，求取各个圆形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值；
以各个跟踪点为中心，以k个像素为边长得到m个正方形区域，求取各个正方形区域内所有像素在RGB三个彩色通道上的均值，得到m个R通道均值、m个G通道均值、m个B通道均值，其中n和k均为正整数。
3.根据权利要求1所述的非接触测量心率方法，其特征在于，所述当累积时间t达到预设时间阈值，将累积的所述m个跟踪点的RGB三通道均值序列转换为m个ppg信号，包括：
心率计算所需累积时间为t，相机帧频为f，则心率计算所需累积帧数为，m个跟踪点在时间t内累积得到/>个R通道均值、/>个G通道均值、/>个B通道均值；将累积的RGB通道均值转换成m个ppg信号，转换方法如下：
其中，i、j为常数，、/>、/>分别为第i个跟踪点的R通道均值，G通道均值和B通道均值，为/>和/>的标准差之比，/>为第i个跟踪点的ppg信号，/>是一个长度为n的一维数组。
4.根据权利要求1所述的非接触测量心率方法，其特征在于，所述将所述m个ppg信号形成ppg矩阵P，包括：
将所有跟踪点ppg信号组成ppg信号矩阵为：
；
其中，Pi是指第i个点的ppg信号，ppg信号是一种携带生理信息的时间序列，序列的长度为。
5.根据权利要求1所述的非接触测量心率方法，其特征在于，所述基于所述ppg矩阵P确定自相关矩阵，并基于所述自相关矩阵确定m个跟踪点的心率特征系数，包括：
计算m个跟踪点在t时间段内的ppg信号矩阵P的自相关矩阵C：
定义为第i个跟踪点的心率特征系数，受视者面部随心率周期性波动明显的跟踪点之间形成的ppg信号随时间变化相关性较强，背景区域跟踪点与其他跟踪点之间形成的ppg信号变化相关性较弱，得到心率特征系数最大的跟踪点ppg信号随心率周期性波动最明显。
6.根据权利要求1所述的非接触测量心率方法，其特征在于，心率范围为0.8Hz至3Hz，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号，包括：
心率特征系数最大的跟踪点在t时间段内的ppg信号，求ppg信号的功率谱密度或者对ppg信号/>进行傅里叶变换，确定/>的功率谱密度或傅里叶变换在心率范围内的最大值/>。
7.根据权利要求1所述的非接触测量心率方法，其特征在于，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号之后，还包括：
计算所述ppg信号的标准差，当所述标准差低于心率暂停阈值则确定所述受视者心率暂停。
8.根据权利要求1所述的非接触测量心率方法，其特征在于，所述提取所述m个跟踪点的心率特征系数中心率特征系数最大的跟踪点在t时间段内的ppg信号之后，还包括：
计算所述ppg信号的标准差，当所述标准差高于心率暂停阈值则确定所述受视者心率正常。
9.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的非接触测量心率方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的非接触测量心率方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014369.3A CN116758066B (zh) | 2023-08-14 | 2023-08-14 | 一种非接触测量心率方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014369.3A CN116758066B (zh) | 2023-08-14 | 2023-08-14 | 一种非接触测量心率方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116758066A true CN116758066A (zh) | 2023-09-15 |
| CN116758066B CN116758066B (zh) | 2023-11-14 |
Family
ID=87957459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311014369.3A Active CN116758066B (zh) | 2023-08-14 | 2023-08-14 | 一种非接触测量心率方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116758066B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105147274A (zh) * | 2015-08-04 | 2015-12-16 | 河北工业大学 | 一种从可见光谱段人脸视频信号中提取心率的方法 |
| CN109389021A (zh) * | 2017-08-09 | 2019-02-26 | 纬创资通股份有限公司 | 生理信号测量系统及其测量生理信号的方法 |
| CN110367950A (zh) * | 2019-07-22 | 2019-10-25 | 西安爱特眼动信息科技有限公司 | 非接触式生理信息检测方法及系统 |
| CN110547783A (zh) * | 2019-07-31 | 2019-12-10 | 平安科技（深圳）有限公司 | 非接触性心率检测方法、系统、设备及存储介质 |
| CN111839492A (zh) * | 2020-04-20 | 2020-10-30 | 合肥工业大学 | 一种基于面部视频序列的心率非接触式测量方法 |
| CN114366061A (zh) * | 2021-12-31 | 2022-04-19 | 北京旷视科技有限公司 | 心率测量方法、计算机程序产品、存储介质及电子设备 |
| CN116012820A (zh) * | 2022-12-16 | 2023-04-25 | 重庆邮电大学 | 一种非接触式驾驶员心率检测方法 |
| CN116152893A (zh) * | 2023-02-14 | 2023-05-23 | 合肥工业大学 | 运动鲁棒的非接触式心率检测方法、电子设备及存储介质 |
-
2023
- 2023-08-14 CN CN202311014369.3A patent/CN116758066B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105147274A (zh) * | 2015-08-04 | 2015-12-16 | 河北工业大学 | 一种从可见光谱段人脸视频信号中提取心率的方法 |
| CN109389021A (zh) * | 2017-08-09 | 2019-02-26 | 纬创资通股份有限公司 | 生理信号测量系统及其测量生理信号的方法 |
| CN110367950A (zh) * | 2019-07-22 | 2019-10-25 | 西安爱特眼动信息科技有限公司 | 非接触式生理信息检测方法及系统 |
| CN110547783A (zh) * | 2019-07-31 | 2019-12-10 | 平安科技（深圳）有限公司 | 非接触性心率检测方法、系统、设备及存储介质 |
| WO2021017307A1 (zh) * | 2019-07-31 | 2021-02-04 | 平安科技（深圳）有限公司 | 非接触性心率检测方法、系统、设备及存储介质 |
| CN111839492A (zh) * | 2020-04-20 | 2020-10-30 | 合肥工业大学 | 一种基于面部视频序列的心率非接触式测量方法 |
| CN114366061A (zh) * | 2021-12-31 | 2022-04-19 | 北京旷视科技有限公司 | 心率测量方法、计算机程序产品、存储介质及电子设备 |
| CN116012820A (zh) * | 2022-12-16 | 2023-04-25 | 重庆邮电大学 | 一种非接触式驾驶员心率检测方法 |
| CN116152893A (zh) * | 2023-02-14 | 2023-05-23 | 合肥工业大学 | 运动鲁棒的非接触式心率检测方法、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李晓媛;武鹏;刘允;司红玉;王振龙;: "基于人脸视频的心率参数提取", 光学精密工程, no. 03 * |
| 王香荣;王伟洁;赵京生;孔令琴;赵跃进;: "基于视频的非接触式多人运动状态下心率实时检测", 光学技术, no. 06 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116758066B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111091536B (zh) | 医学图像处理方法、装置、设备、介质以及内窥镜 | |
| CN114565763B (zh) | 图像分割方法、装置、设备、介质及程序产品 | |
| CN113378712B (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
| CN108156452B (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
| CN111938622B (zh) | 心率检测方法、装置及系统、可读存储介质 | |
| CN113827240B (zh) | 情绪分类方法和情绪分类模型的训练方法、装置及设备 | |
| CN116758066B (zh) | 一种非接触测量心率方法、设备及介质 | |
| CN112153320B (zh) | 一种物品尺寸的测量方法、装置、电子设备和存储介质 | |
| CN110717441B (zh) | 视频目标检测方法、装置、设备及介质 | |
| CN112543339A (zh) | 一种基于残差重构的视频仿真方法及装置 | |
| CN116509344A (zh) | 一种非接触式呼吸频率监测方法、系统及设备 | |
| CN114882334B (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
| JP6167849B2 (ja) | 脈波検出装置、脈波検出方法及び脈波検出プログラム | |
| CN114758400A (zh) | 一种非接触式人体血氧饱和度检测方法、装置及设备 | |
| CN115937993A (zh) | 活体检测模型训练方法、活体检测方法、装置和电子设备 | |
| CN113642440B (zh) | 一种呼吸频率估计方法、装置、设备及存储介质 | |
| CN116740621B (zh) | 一种非接触式呼吸检测方法、设备及介质 | |
| CN113920023A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
| CN112085779A (zh) | 一种波浪参数估算方法及装置 | |
| KR101928501B1 (ko) | 영상을 이용한 피부 산도 측정 방법 | |
| WO2023123213A1 (zh) | 手部按压深度检测方法及装置 | |
| Shin et al. | Effect of time window size for converting frequency domain in real-time remote photoplethysmography extraction | |
| WO2023123214A1 (zh) | 电子设备、手部按压深度检测方法、系统以及穿戴设备 | |
| CN111062337B (zh) | 人流方向检测方法及装置、存储介质和电子设备 | |
| US20240119588A1 (en) | Image diagnosis support device, image diagnosis support method, remote diagnosis support system, and net contract service system |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |