ES2426971T3 - Procesamiento de imágenes de al menos un ser vivo - Google Patents
Procesamiento de imágenes de al menos un ser vivo Download PDFInfo
- Publication number
- ES2426971T3 ES2426971T3 ES10708623T ES10708623T ES2426971T3 ES 2426971 T3 ES2426971 T3 ES 2426971T3 ES 10708623 T ES10708623 T ES 10708623T ES 10708623 T ES10708623 T ES 10708623T ES 2426971 T3 ES2426971 T3 ES 2426971T3
- Authority
- ES
- Spain
- Prior art keywords
- image
- measurement zone
- frequency
- signal
- images
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 26
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 230000000737 periodic effect Effects 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000003672 processing method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 55
- 238000003384 imaging method Methods 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 2
- 210000003491 skin Anatomy 0.000 description 9
- 230000036387 respiratory rate Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 210000004207 dermis Anatomy 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000010410 layer Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 210000002615 epidermis Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0064—Body surface scanning
-
- 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
- A61B5/0255—Recording instruments specially adapted therefor
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/30004—Biomedical image processing
- G06T2207/30076—Plethysmography
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Método de procesamiento de imágenes de al menos un ser vivo, que incluye: - obtener una secuencia (19) de imágenes digitales tomadas en puntos consecutivos en el tiempo; - seleccionar al menos una zona (26) de medición que comprende una pluralidad de puntos de imagen; y - para cada zona (26) de medición, obtener una señal (28, 30) representativa de al menos variaciones enun valor promedio que varía con el tiempo de una combinación de valores de píxel en al menos varios delos puntos de imagen para su uso en determinar al menos uno de una presencia y un valor de frecuenciade al menos un pico en un espectro de la señal (28, 30) correspondiente a una frecuencia de unfenómeno fisiológico periódico, caracterizado porque la al menos una zona de medición se selecciona automáticamente y porque la etapa(25) de seleccionar al menos una zona (26) de medición incluye analizar información basándose en datosde píxel de una pluralidad de partes de imagen en al menos una de las imágenes (19), incluyendo cadaparte de imagen al menos un punto de imagen, y seleccionar cada zona (26) de medición de partes deimagen contiguas determinadas para tener características similares.
Description
Procesamiento de imágenes de al menos un ser vivo
La invención se refiere a un método de procesamiento de imágenes de al menos un ser vivo según la reivindicación
1.
La invención también se refiere a un sistema para procesamiento de imágenes de al menos un ser vivo según la reivindicación 12.
La invención también se refiere a un programa informático según la reivindicación 14.
Verkruysse et. al., “Remote plethysmographic imaging using ambient light”, Optics Express, 16 (26), 22 de diciembre de 2008, páginas 21434-21445 demuestra que las señales de fotoplestimografía pueden medirse de manera remota en el rostro humano con luz ambiental normal como fuente y una simple cámara fotográfica digital de tipo consumidor en modo de película. Después de configurar la cámara en modo de película, se solicitó a los voluntarios que se sentaran, se pusieran de pie o se tumbaran para minimizar cualquier movimiento. Las películas a color se guardaron por la cámara y se transfirieron a un ordenador personal. Los valores de píxel para los canales, rojo, verde y azul, se leyeron para cada fotograma de película, proporcionando un conjunto de PV(x, y, t), donde x e y son posiciones horizontal y vertical, respectivamente y t es el tiempo correspondiente a la frecuencia de imagen. Usando una interfaz de usuario gráfica, se seleccionaron regiones de interés (ROI) en una imagen instantánea (seleccionada de la película) y se calculó la señal en bruto PVbruto(t) como promedio de todos los valores de píxel en la ROI. Se realizaron transformadas rápidas de Fourier para determinar los espectros de fase y potencia. Se indica que la selección de la ROI no es crítica para la determinación de la frecuencia cardíaca. También se indica que pueden resolverse los límites a la resolución espacial de imágenes de fotoplestimografía debido a artefactos en movimiento mediante un posicionamiento mejorado de los voluntarios, software para sincronizar lateralmente los fotogramas e iluminación más homogénea para reducir los artefactos de sombra.
Wieringa F. et. al.: “Contactless multiple wavelength photoplethysmographic imaging: A first step toward SpO2 camera technology” Annals of Biomedical Engineering, Kluwer Academic Publishers - Plenum Publishers, NE, vol. 33, n.º 8, 1 de agosto de 2005, páginas 1034-1041 da a conocer un método para adquirir señales pletismográficas resueltas espacialmente relacionadas con los latidos del corazón a múltiples longitudes de onda usando una cámara remota.
Lucchese L. et. al.: “Color image segmentation: A state-of-the-art survey” Proceedings of the Indian National Science Academy, part A, physical sciences, Indian National Science Academy, Nueva Delhi, vol. 67, n.º 2, 1 de marzo de 2001, páginas 207-221 proporciona una vista global de algoritmos para una segmentación de imágenes a color y un esquema de clasificación que resalta las familias principales de técnicas disponibles.
Un problema del método conocido es que usa un supervisor para seleccionar la ROI de la parte de la imagen que sabe que corresponde a la persona viva.
Un objeto de la invención es proporcionar un método, un sistema y un programa informático de los tipos mencionados anteriormente en los párrafos introductorios que requieran poca o ninguna supervisión humana con el fin de proporcionar buenos resultados.
Este objeto se consigue mediante el método según la reivindicación 1.
El análisis de información basándose en datos de píxel de una pluralidad de partes de imagen en al menos una de las imágenes, en la que cada parte de imagen incluye al menos un punto de imagen, puede conducirse automáticamente, como en el caso del agrupamiento de esas partes determinadas para tener características similares. Por tanto, este método es adecuado para una ejecución no supervisada. La selección de partes contiguas determinadas para tener características similares da como resultado la determinación de una región de la imagen con características homogéneas. Si estas características son similares según un análisis en el dominio espacial, puede realizarse una mejor selección de una zona homogénea que formará la zona de medición. Incluso si la parte corporal correspondiente a la zona de medición no permanece exactamente en su posición por toda la secuencia de imágenes, las intensidades de píxel en la zona de medición no variarán de manera apreciable debido a tales variaciones en la posición. Esto mejora la calidad del espectro de la señal correspondiente al valor que varía con el tiempo de la combinación de valores de píxel en al menos varios de los puntos de imagen, de modo que pueden realizarse identificaciones fiables de picos de señal correspondientes al latido del corazón o la frecuencia respiratoria. El efecto no depende de condiciones de iluminación particulares, haciendo el método más robusto y más adecuado para aplicaciones de detección remota. Usando datos representativos de al menos parte de un espectro de un valor que varía con el tiempo de una combinación de valores de píxel en al menos varios de los puntos de imagen, puede eliminarse una gran cantidad de ruido. Esto permite usar imágenes que se obtienen capturando luz reflejada de un sujeto vivo. Tales imágenes pueden obtenerse con una disposición de sensores o cámara relativamente barata. Por el contrario, si fuera a determinarse el espectro de cada píxel individualmente y luego a agruparse los valores de los picos, tendrían que usarse imágenes obtenidas usando un dispositivo de formación de imágenes muy sensible, por ejemplo un dispositivo de formación de imágenes térmico pasivo.
Una realización del método incluye realizar una segmentación de imágenes en al menos una de la secuencia de imágenes digitales para seleccionar datos de píxel para el análisis incluido en la etapa de selección.
Un efecto es que se reduce la cantidad de datos de píxel que debe analizarse en la etapa de selección, puesto que sólo es necesario procesar determinados segmentos prometedores de los obtenidos en la etapa de segmentación.
En una variante de esta realización, la segmentación de imágenes se realiza usando un algoritmo para reconocer partes de imagen correspondientes a al menos un tipo de parte corporal de un ser vivo.
Esta variante selecciona aquellas partes de imagen correspondientes a partes de seres vivos que son adecuadas para un análisis para determinar al menos uno de una presencia y un valor de frecuencia de al menos un pico en un espectro de la señal de brillo promedio correspondiente a la frecuencia de un fenómeno fisiológico periódico. En principio, el método se basa en el hecho de que la intensidad de la luz reflejada por la piel varía con la frecuencia del fenómeno fisiológico periódico, es decir la frecuencia cardíaca y la frecuencia respiratoria. Por tanto, un algoritmo de segmentación destinado a detectar piel, o partes corporales con formas correspondiente a las de las partes corporales que generalmente no están cubiertas (por ejemplo el rostro de un ser humano) proporciona una selección previa de segmentos de imágenes adecuados, dentro de los cuales se seleccionan una o más zonas de medición homogéneas.
Una realización del método incluye usar un algoritmo de seguimiento para situar al menos uno de la zona de medición y un segmento de imagen que incluye la zona de medición en cada una de una pluralidad de las imágenes en la secuencia.
Esta realización tiene en cuenta el hecho de que incluso una zona de medición homogénea puede verse afectada por movimientos más grandes. El algoritmo de seguimiento permite que la zona de medición se mueva con la parte corporal real que representa. Por tanto, se evitan mayormente los artefactos de señales que surgen de partes de imagen no homogéneas que se mueven a la zona de medición. Esto mejora la relación señal a ruido de las componentes de señal correspondientes a los fenómenos fisiológicos periódicos.
En una realización, se hace que la secuencia de imágenes digitales se capture por una cámara tras completar una fase de inicialización, incluyendo la fase de inicialización:
- -
- medir fluctuaciones de intensidad periódicas en al menos partes de imágenes adquiridas por la cámara mientras se varían las configuraciones de la cámara, y
- -
- seleccionar valores de las configuraciones de la cámara en los que se determine que las fluctuaciones de intensidad periódicas medidas en al menos un intervalo de frecuencias son mínimas.
Esta realización permite eliminar fuentes de perturbaciones periódicas, por ejemplo en la frecuencia de red eléctrica. Normalmente, tales perturbaciones corresponden a fluctuaciones periódicas en la iluminación ambiental. Puesto que el método es adecuado para la formación de imágenes remota, estas perturbaciones desempeñan un papel más importante de lo que sería el caso si fuera a usarse por ejemplo una fuente de luz infrarroja y una cámara. Las mediciones de fluctuación de intensidad pueden limitarse a una componente de color o basarse en una suma ponderada de algunas o todas las componentes de color comprendidas en los datos de píxel. Las configuraciones de cámara adecuadas que van a variarse incluyen la frecuencia de imagen, el tiempo de exposición, la ganancia de cámara y el reloj de píxel.
Una realización del método incluye determinar una señal de corrección correspondiente a un valor que varía con el tiempo de una combinación de valores de píxel en al menos varios puntos de imagen en una parte de imagen distinta a la zona de medición, y
- -
- decorrelacionar al menos uno de los datos de píxel de las imágenes en al menos la zona de medición y el valor que varía con el tiempo de la combinación de valores de píxel en al menos varios de los puntos de imagen en la zona de medición desde la señal de corrección.
Esta realización permite mover perturbaciones no periódicas del análisis, mejorando además la relación señal a ruido de las componentes de señal debido a los fenómenos fisiológicos periódicos. Un ejemplo serían las reflexiones de una señal de televisión en el rostro de una persona que ve la televisión mientras se captura la secuencia de imágenes. Se observa que la parte de imagen distinta a la zona de medición puede ser una parte de imagen más grande que también abarca la zona de medición.
En una realización del método, se usa una salida representativa de si se detecta la presencia de al menos un pico en el espectro correspondiente a una frecuencia del fenómeno fisiológico periódico para controlar un dispositivo dispuesto para realizar una función condicional al detectar una presencia de al menos un ser vivo de al menos un tipo.
Un efecto es que es posible verificar que una persona viva está realmente presente de una manera discreta.
En una variante, la salida se proporciona a un sistema de acceso condicional para su uso en una operación de autenticación.
Un efecto es que ya no es posible engañar al sistema de acceso condicional sobre el hecho de que una persona particular esté presente. Por ejemplo, no es posible proporcionar a un detector de huella dactilar un elemento moldeado de cera del dedo de una persona ausente, o engañar a un sistema de reconocimiento de rostros con una fotografía de una persona ausente. Por tanto, este método es particularmente adecuado para su uso en conjunto con un sistema de acceso condicional biométrico.
En una realización del método, se determina el valor de frecuencia de al menos un pico en el espectro correspondiente a la frecuencia del fenómeno fisiológico periódico y se hace que un sistema para proporcionar una salida perceptible adapte su salida dependiendo de la señal de frecuencia.
Por tanto, esta realización es particularmente adecuada para proporcionar una biorretroalimentación, por ejemplo en un sistema ambiental o en un entorno de juego o de aptitud física.
Una realización del método incluye proporcionar una señal de activación basándose en la señal correspondiente a al menos la variación en el valor que varía con el tiempo de la combinación de valores de píxel en al menos varios de los puntos de imagen a un sistema de formación de imágenes.
Esta realización es adecuada para su uso con sistemas de formación de imágenes tales como sistemas de RMN o TC, en los que una persona se sitúa en un escáner. En tales sistemas de formación de imágenes, a menudo se requiere una señal de activación con el fin de obtener una imagen instantánea de, por ejemplo, un corazón. Se prefiere una determinación discreta de la frecuencia cardíaca o respiratoria para reducir el nivel de estrés de la persona de la que se le toman las imágenes. Además, no hay cables ni sondas que puedan afectar al sistema de formación de imágenes.
Una realización del método incluye:
- -
- seleccionar una pluralidad de zonas de medición;
- -
- para cada zona de medición, obtener una señal representativa de al menos variaciones en un valor que varía con el tiempo de la combinación de valores de píxel en al menos varios de los puntos de imagen y determinar el valor de frecuencia de al menos un pico en un espectro de la señal correspondiente a una frecuencia de un fenómeno fisiológico periódico; y
- -
- detectar cuántos seres vivos están representados en la secuencia de imágenes comparando los valores de frecuencia.
Este método es adecuado para un método de segmentación de imágenes por ejemplo. Permite discernir entre diferentes personas en las imágenes. Otras aplicaciones incluyen sistemas de análisis de imágenes para controlar grandes multitudes, por ejemplo.
Según otro aspecto, se propone un sistema para procesar imágenes de al menos un ser vivo según la invención según la reivindicación 12.
En una realización, el sistema está configurado para llevar a cabo un método según la invención.
Según otro aspecto de la invención, se proporciona un programa informático que incluye un conjunto de instrucciones que, cuando se incorpora en un medio legible por máquina, puede hacer que un sistema tenga capacidades de procesamiento de información para realizar un método según la invención.
Breve descripción de los dibujos
La invención se explicará en mayor detalle con referencia a los dibujos adjuntos, en los que:
la figura 1 es un diagrama esquemático de un sistema dispuesto para adaptar su salida dependiendo de si ha detectado la presencia de un ser vivo o de la frecuencia cardíaca o frecuencia respiratoria de un ser vivo;
la figura 2 es un diagrama de flujo que ilustra un método para determinar la frecuencia cardíaca o frecuencia respiratoria del ser vivo; y
la figura 3 es un diagrama esquemático de un sistema de formación de imágenes que se activa por una señal obtenida procesando una secuencia en movimiento de imágenes.
Con referencia a la figura 1, se proporciona un ejemplo en este caso de un primer sistema 1 que está dispuesto para procesar una secuencia de imágenes. El primer sistema 1 lleva a cabo este procesamiento con el fin de determinar al menos uno de la presencia y un valor de frecuencia de al menos un pico en un espectro de una señal basándose en los datos de píxel de las imágenes correspondientes a una frecuencia de un fenómeno fisiológico periódico. La presencia de un ser vivo se deduce de la presencia del pico, y se usa como entrada binaria para uno o más procesos de sistema. La frecuencia del pico se usa como entrada en al menos uno de esos procesos.
El primer sistema 1 incluye una cámara 2 digital dispuesta para grabar una secuencia de imágenes digitales en sucesión rápida. El primer sistema 1 incluye además un dispositivo 3 de procesamiento de datos que está en comunicación con la cámara 2 digital para obtener los datos de imagen, pero también para controlar la operación de la cámara 2 digital, tal como se explicará.
Los datos de imagen digital capturados por la cámara 2 digital se pasan al dispositivo 3 de procesamiento de datos a través de una interfaz 4 del dispositivo 3 de procesamiento de datos. En la realización ilustrada, el dispositivo 3 de procesamiento de datos incluye una unidad 5 de procesamiento y una memoria 6 principal, así como un dispositivo 7 de almacenamiento de datos para un almacenamiento de datos no volátil, por ejemplo los datos de imagen digital y el software que permite que el dispositivo 3 de procesamiento de datos procese los datos de imagen y controle varios dispositivos periféricos.
En la realización ilustrada, los dispositivos periféricos incluyen un aparato 8 de televisión; un sistema ambiental que incluye un controlador 9 y unidades 10-12 de iluminación; y un dispositivo 13 de exploración biométrico. Todos están conectados al dispositivo 3 de procesamiento de datos a través de respectivas interfaces 14-16. Estos dispositivos periféricos son sólo ejemplos de dispositivos periféricos que pueden controlarse dependiendo de los resultados de una o más variantes de un método de procesamiento de imágenes que va a describirse con referencia a la figura 2.
Este método se usa para determinar la presencia de un ser vivo, es decir un ser humano o un animal, en una escena capturada por la cámara 2 digital, generando una señal basándose en datos de imagen correspondientes a un trozo de piel, señal que varía con la frecuencia de un fenómeno fisiológico periódico, por ejemplo el latido del corazón o la respiración de un ser humano.
La piel humana puede modelarse como un objeto de dos capas, siendo una capa la epidermis (una capa de superficie delgada) y la otra la dermis (una capa más gruesa por debajo de la epidermis). Aproximadamente el 5% de un rayo de luz entrante se refleja en la epidermis, que es el caso para todas las longitudes de onda y colores de piel. La luz restante se dispersa y se absorbe dentro de las dos capas de piel en un fenómeno conocido como reflectancia corporal (descrito en el modelo de reflexión dicromático). La epidermis se comporta como un filtro óptico, absorbiendo luz principalmente. En la dermis, la luz se dispersa y se absorbe. La absorción depende de la composición sanguínea, de modo que la absorción es sensible a las variaciones del flujo sanguíneo. Las propiedades ópticas de la dermis son generalmente las mismas para todas las razas humanas. La dermis contiene una red densa de vasos sanguíneos, aproximadamente un 10% de la red de vasos total de un adulto. Estos vasos se contraen según el flujo sanguíneo en el cuerpo. Por consiguiente, cambian la estructura de la dermis, que influye en la reflectancia de las capa de piel. Por consiguiente, puede determinarse la frecuencia cardíaca a partir de las variaciones de la reflectancia de la piel, que es el principio en el que se basa el método presentado en el presente documento.
En la realización ilustrada del método, se completa en primer lugar una fase de inicialización, con el fin de determinar las configuraciones apropiadas para la cámara 2 digital (etapa 17). Con este fin, el dispositivo 3 de procesamiento de datos hace que al menos uno de la frecuencia de imagen, tiempo de exposición, reloj de píxel (determina la tasa en la que se adquieren los valores de píxel) y ganancia del canal de cámara de la cámara 2 digital varíen mientras se captura una secuencia de imágenes digitales. Se determina el brillo promedio (espacial) de al menos parte de cada imagen de la secuencia, y se determina la magnitud de las fluctuaciones periódicas en el brillo promedio para cada valor nuevo de las configuraciones. Se seleccionan las configuraciones para las que la magnitud dentro de al menos un intervalo del espectro, en particular un intervalo de baja frecuencia, es mínimo para su uso posterior en el método. En lugar de determinar el brillo promedio espacial de al menos una parte de la imagen, pueden determinarse las fluctuaciones de brillo de un píxel individual. El efecto de elegir las configuraciones de la cámara 2 digital es que las fluctuaciones de iluminación de fondo periódicas están ausentes en la mayor medida posible de la secuencia de imágenes a la que se aplica el resto del método.
En una siguiente etapa 18, se obtiene una secuencia 19 de imágenes de la cámara 2 digital. La secuencia 19 de imágenes representa una escena capturada en puntos sucesivos en el tiempo, que pueden ser a intervalos regulares o irregulares.
En una siguiente etapa 20, las imágenes 19 se procesan con el fin de eliminar señales de fondo no periódicas. Con este fin, se forma una señal de corrección correspondiente a un brillo promedio que varía con el tiempo de parte de o todas las imágenes 19. En la realización ilustrada, los datos de píxel de las imágenes 19 se decorrelacionan entonces desde la señal de corrección. En sí se conocen los algoritmos para eliminar las correlaciones cruzadas no lineales. Un procesamiento de imágenes adicional puede tener lugar en esta fase 20, por ejemplo para compensar un movimiento de la cámara.
En dos siguientes etapas 21, 22, se realiza un algoritmo de segmentación de imágenes en al menos una imagen de la secuencia 19 de imágenes digitales. En particular, en estas etapas 21, 22 se lleva a cabo un algoritmo para detectar un segmento 23 de imagen que representa una parte corporal, generalmente el rostro. Un algoritmo adecuado se describe en Viola, P. y Jones, M.J., “Robust real-time object detection”, Proc. of IEEE Workshop on statistical and computational theories of vision, 13 de julio de 2001. Se conocen otros algoritmos adecuados basados en reconocer segmentos con determinadas formas y/o colores (colores de piel) y pueden usarse en lugar o además de este algoritmo. Uno o más, por ejemplo todos los, segmentos 23 distintos determinados para que correspondan a una parte corporal del tipo deseado se siguen (etapa 24) a través de la secuencia 19 de imágenes. En otras palabras, el segmento 23 se sitúa, es decir se determina su ubicación, comparando las imágenes en la secuencia 19 para cuantificar el movimiento de las partes corporales dentro de las imágenes 19. Un algoritmo de seguimiento adecuado se conoce, por ejemplo, a partir de De Haan et. al., “True-motion estimation with 3-D recursive search block matching”, IEEE Transations on circuits and systems for video technology, 3 (5), octubre de 1993, páginas 368-379.
Posteriormente, para cada segmento 23 seleccionado y seguido se selecciona una zona 26 de medición dentro del segmento 23 de imagen (etapa 25). Esta etapa 25 implica un análisis espacial de los datos de píxel de una pluralidad de partes de imagen, siendo cada parte de imagen uno o más puntos de imagen en tamaño, para determinar un conjunto de partes contiguas determinadas para tener características similares. Esta etapa 25 se lleva a cabo automáticamente por el dispositivo 3 de procesamiento de datos. Un algoritmo adecuado es un algoritmo para detectar regiones con variaciones de gradiente mínimas. Esas partes de imagen que pertenecen a la región se seleccionan para formar la zona 26 de medición. En la realización ilustrada, se determina la posición de la zona 26 de medición mediante análisis de una imagen clave en la secuencia 19 de imágenes. Se determina su posición relativa al segmento 23 correspondiente a una parte corporal, y por tanto se sigue con el segmento 23 de imagen a través de la secuencia 19 de imágenes. Por tanto, se determina qué píxel de cada una de las imágenes corresponde a un punto de imagen particular de la zona 26 de medición para todos los puntos de imagen que constituyen la zona de medición.
A continuación (etapa 27), se genera una señal 28 representativa del brillo promedio que varía con el tiempo de los píxeles correspondientes a los puntos de imagen de la zona 26 de medición. Para cada imagen de la secuencia 19, se forma el brillo promedio de los píxeles determinados para estar comprendidos en la zona 26 de medición. Puesto que cada imagen de la secuencia 19 representa un punto en el tiempo, se obtiene por tanto una señal que varía con el tiempo (discreta en el tiempo). En una realización alternativa, se descartan determinados puntos de imagen, de modo que se adopta una suma de valores de píxel en menos de todos los puntos de imagen en la zona 26 de medición. Además, el brillo puede ser una suma ponderada de las componentes de color o sólo el valor de una componente de color. Se ha descubierto que el color verde tiene la señal más fuerte.
A continuación la señal 28 se centra en su valor medio (etapa 29) para dar lugar a una señal 30 adicional representativa del brillo promedio que varía con el tiempo, de píxeles correspondientes a los puntos de imagen de la zona 26 de medición, siendo esto mejor para observar variaciones en la misma. En una variante, esta etapa 29 también comprende la decorrelación con la señal de corrección que está comprendida alternativamente en la etapa
20. En una variante diferente, esta etapa 29 comprende una operación de filtrado, por ejemplo una operación de filtrado correspondiente a una diferenciación de la señal. Son posibles otras alternativas para extraer variaciones del orden del 1% del intervalo dinámico de la primera señal.
Finalmente (etapa 31), se usan técnicas de procesamiento de señal básicas para extraer información representativa de la frecuencia cardíaca o frecuencia respiratoria a partir de la segunda señal 30.
Una primera aplicación de al menos parte del método de la figura 2 en el sistema de la figura 1 implica detectar la presencia de un ser vivo, en particular un ser humano. Con este fin, se usa una salida representativa de si se detecta la presencia de al menos un pico en el espectro correspondiente a una frecuencia del fenómeno fisiológico periódico para controlar uno o más de los dispositivos periféricos para realizar una función condicional al detectar una presencia de al menos un ser humano. En este caso, el espectro, o picos del espectro, en al menos un intervalo limitado se compara con un intervalo de referencia predeterminado correspondiente a frecuencias cardíacas o frecuencias respiratorias humanas típicas. Si un ser humano está presente, entonces, por ejemplo, el aparato 8 de televisión y el sistema ambiental pueden seguir funcionando. Si no, pueden apagarse o cambiar a una función de espera. Por tanto, esta aplicación es una aplicación en un dispositivo de ahorro de energía. Una aplicación similar es para sistemas de iluminación inteligentes para casas y oficinas. La detección de seres vivos mediante análisis de imágenes automatizado es menos sensible a falsas alarmas, por ejemplo por mascotas.
Una aplicación similar es controlar un sistema de acceso condicional, por ejemplo uno que incluya el dispositivo 13 de exploración biométrico. En una realización, puede ser un escáner de huella dactilar. Usando la detección de seres vivos, se garantiza que, por ejemplo, no puedan usarse elementos moldeados de cera del dedo de una persona para engañar al sistema de acceso condicional. Un sistema de acceso condicional que use sólo la cámara 2 (por ejemplo para escanear el iris o el rostro de una persona) también puede beneficiarse del uso adicional del método de la figura 2 para determinar que una persona viva está realmente delante de la lente de la cámara.
Alternativa o adicionalmente, se usa el método de la figura 2 para proporcionar una biorretroalimentación a un usuario. Más particularmente, se hace que al menos el sistema ambiental adapte su salida dependiendo de la frecuencia determinada en la última etapa 31 del método. Por ejemplo, el color o la intensidad de la luz emitida por las unidades 10, 11, 12 de iluminación pueden cambiarse dependiendo de la frecuencia cardíaca. Con este fin, el método de la figura 2 se lleva a cabo en tiempo real en una secuencia que comprende las últimas N imágenes digitales obtenidas por el dispositivo 3 de procesamiento de datos. N depende de la tasa de captura de imágenes, y se elige dependiendo de la tasa de captura de imágenes para cubrir una secuencia que abarca un intervalo de tiempo lo suficientemente largo para cubrir al menos dos latidos del corazón de un ser humano promedio, por ejemplo durante al menos cuatro segundos. En una variante, se seleccionan múltiples zonas 26 de medición, y se establecen múltiples señales 30 promedio, de modo que el dispositivo 3 de procesamiento de datos puede determinar la frecuencia cardíaca y/o frecuencia respiratoria actuales de múltiples individuos. Por tanto, puede hacerse que la retroalimentación proporcionada usando el sistema ambiental dependa de la frecuencia cardíaca de múltiples usuarios.
Una aplicación alternativa de al menos una parte del método de la figura 2 implica el uso de un sistema 33 tal como se ilustra esquemáticamente en la figura 3. En esta aplicación, se usa la señal 28 promedio o la señal 30 representativa del brillo promedio que varía con el tiempo pero que se centra en el valor medio de la misma como señal de activación para un sistema de formación de imágenes. El sistema de formación de imágenes puede ser un sistema de escáner de RMN (resonancia magnética nuclear) o de TC (tomografía computerizada), por ejemplo. Un sistema de formación de imágenes de este tipo captura múltiples vistas en sección transversal bidimensionales de un paciente. Con el fin de corregir el movimiento del paciente o los órganos del paciente, se activa el proceso de captura de imágenes usando una señal representativa del fenómeno fisiológico periódico que provoca el movimiento periódico. En el sistema 33 ilustrado, que ejecuta al menos las primeras nueve etapas 17, 18, 20-22, 24, 25, 27, 29 del método de la figura 2, se usa la señal 30 que corresponde a las variaciones en el brillo promedio de la zona de medición seleccionada automáticamente para activar un dispositivo 32 de captura de imagen y un transmisor 34 de impulsos, que se controlan por un dispositivo 35 de procesamiento de datos por medio de señales proporcionadas a través de interfaces 36, 37 apropiadas. El dispositivo 35 de procesamiento de datos comprende una unidad 38 de procesamiento de datos, una memoria 39 principal y una unidad 40 de almacenamiento de datos. Recibe los datos de imagen digital que registran la luz ambiental reflejada desde el paciente desde una cámara 41 digital a través de una interfaz 42 adicional. Las imágenes formadas mediante el procesamiento de los datos desde el dispositivo 32 de captura de imágenes se presentan visualmente en un monitor 43, usando un controlador 44 de gráficos apropiado. Con el método de la figura 2 (excluyendo la última etapa 31), la señal de activación para el método de formación de imágenes médicas se obtiene de una manera discreta. En primer lugar, la experiencia para el paciente es menos estresante, porque no hay sensores unidos al paciente. En segundo lugar, los cables o sensores no pueden afectar al funcionamiento del transmisor 34 o dispositivo 32 de captura de imágenes. El proceso mediante el cual se adquiere la señal de activación está completamente automatizado, de modo que la atención del personal médico no tenga que centrarse en la selección de la zona 26 de medición, y el monitor 43 se use sólo para el método de formación de imágenes médicas real. El uso de una zona 26 de medición y la promediación con respecto a la misma (etapa 31) garantiza que la señal de activación esté relativamente libre de ruido. Por tanto, requiere poco filtrado o ninguno.
Debe observarse que las realizaciones mencionadas anteriormente ilustran la invención, en lugar de limitarla, y que los expertos en la técnica podrán diseñar muchas realizaciones alternativas sin apartarse del alcance de las reivindicaciones adjuntas. En las reivindicaciones, ningún símbolo de referencia entre paréntesis se interpretará como que limita la reivindicación. La expresión “que comprende” no excluye la presencia de elementos o etapas distintos a los enumerados en una reivindicación. La palabra “un” o “una” precediendo a un elemento no excluye la presencia de una pluralidad de tales elementos. El mero hecho de que se mencionen determinadas medidas en reivindicaciones dependientes diferentes entre sí no indica que no pueda usarse de manera ventajosa una combinación de estas medidas.
Tal como se mencionó, el método descrito en el presente documento puede llevarse a cabo en una única componente de color de los datos de píxel o en una suma ponderada de dos o más de las componentes de color (rojo, verde y azul o cian, magenta, amarillo y negro, por ejemplo).
El método de formación de imágenes médicas descrito con referencia a la figura 3 también puede implicar la ejecución de la última etapa 31 del método mostrado en la figura 2, caso en el que se usa para controlar la frecuencia de una señal de activación proporcionada por un generador de señales.
Claims (14)
- REIVINDICACIONES1. Método de procesamiento de imágenes de al menos un ser vivo, que incluye:
- -
- obtener una secuencia (19) de imágenes digitales tomadas en puntos consecutivos en el tiempo;
- -
- seleccionar al menos una zona (26) de medición que comprende una pluralidad de puntos de imagen; y
- -
- para cada zona (26) de medición, obtener una señal (28, 30) representativa de al menos variaciones en un valor promedio que varía con el tiempo de una combinación de valores de píxel en al menos varios de los puntos de imagen para su uso en determinar al menos uno de una presencia y un valor de frecuencia de al menos un pico en un espectro de la señal (28, 30) correspondiente a una frecuencia de un fenómeno fisiológico periódico,
caracterizado porque la al menos una zona de medición se selecciona automáticamente y porque la etapa(25) de seleccionar al menos una zona (26) de medición incluye analizar información basándose en datos de píxel de una pluralidad de partes de imagen en al menos una de las imágenes (19), incluyendo cada parte de imagen al menos un punto de imagen, y seleccionar cada zona (26) de medición de partes de imagen contiguas determinadas para tener características similares. -
- 2.
- Método según la reivindicación 1,
que incluye realizar una segmentación de imágenes en al menos una de la secuencia (19) de imágenes digitales para seleccionar datos de píxel para el análisis incluido en la etapa (25) de selección. -
- 3.
- Método según la reivindicación 2,
en el que la segmentación de imágenes se realiza usando un algoritmo para reconocer partes de imagen correspondientes a al menos un tipo de parte corporal de un ser vivo. -
- 4.
- Método según la reivindicación 1,
que incluye usar un algoritmo de seguimiento para situar al menos uno de la zona (26) de medición y un segmento (23) de imagen que incluye la zona (26) de medición en cada una de una pluralidad de las imágenes en la secuencia (19). -
- 5.
- Método según la reivindicación 1,
en el que se hace que la secuencia (19) de imágenes digitales se capture por una cámara (2; 41) tras completar una fase (17) de inicialización, incluyendo la fase (17) de inicialización:- -
- medir fluctuaciones de intensidad periódicas en al menos partes de imágenes adquiridas por la cámara (2; 41) mientras se varían las configuraciones de la cámara, y
- -
- seleccionar valores de las configuraciones de la cámara en los que se determina que las fluctuaciones de intensidad periódicas medidas en al menos un intervalo de frecuencias son mínimas.
- 6. Método según la reivindicación 1, que incluye:
- -
- determinar una señal de corrección correspondiente a un valor que varía con el tiempo de una combinación de valores de píxel en al menos varios puntos de imagen en una parte de imagen distinta de la zona (26) de medición, y
- -
- decorrelacionar al menos uno de los datos de píxel de las imágenes en al menos la zona (26) de medición y el valor promedio que varía con el tiempo de la combinación de valores de píxel en al menos varios de los puntos de imagen en la zona (26) de medición desde la señal de corrección.
-
- 7.
- Método según la reivindicación 1,
en el que se usa una salida representativa de si se detecta la presencia de al menos un pico en el espectro correspondiente a una frecuencia del fenómeno fisiológico periódico para controlar un dispositivo (8, 9, 13) dispuesto para realizar una función condicional al detectar una presencia de al menos un ser vivo de al menos un tipo. -
- 8.
- Método según la reivindicación 7,
en el que la salida se proporciona a un sistema (3, 13) de acceso condicional para su uso en una operación de autenticación. -
- 9.
- Método según la reivindicación 1,
en el que se determina el valor de frecuencia de al menos un pico en el espectro correspondiente a la frecuencia del fenómeno fisiológico periódico y se hace que un sistema (9-12) para proporcionar una salida perceptible adapte su salida dependiendo de la señal de frecuencia. -
- 10.
- Método según la reivindicación 1,
que incluye proporcionar una señal de activación basándose en la señal (28, 30) correspondiente a al menos la variación en el valor promedio que varía con el tiempo de una combinación de valores de píxel en al menos varios de los puntos de imagen a un sistema (32, 34, 35) de formación de imágenes. -
- 11.
- Método según la reivindicación 1,
que incluye:- -
- seleccionar una pluralidad de zonas (26) de medición;
- -
- para cada zona (26) de medición, obtener una señal representativa de al menos variaciones en un valor promedio que varía con el tiempo de una combinación de valores de píxel en al menos varios de los puntos de imagen y determinar el valor de frecuencia de al menos un pico en un espectro de la señal correspondiente a una frecuencia de un fenómeno fisiológico periódico; y
- -
- detectar cuántos seres vivos están representados en la secuencia de imágenes comparando los valores de frecuencia.
- 12. Sistema para procesamiento de imágenes de al menos un ser vivo, que incluye:
- -
- una interfaz (4; 42) para obtener datos representativos de una secuencia (19) de imágenes digitales tomadas en puntos consecutivos en el tiempo; y
- -
- un sistema (3; 35) de procesamiento de datos de imágenes, configurado para:
- -
- seleccionar al menos una zona (26) de medición que comprende una pluralidad de puntos de imagen; y
- -
- para cada zona (26) de medición, obtener una señal (28, 30) representativa de al menos variaciones en un valor que varía con el tiempo de una combinación de valores de píxel en al menos varios de los puntos de imagen para su uso en determinar al menos uno de una presencia y un valor de frecuencia de al menos un pico en un espectro de la señal (28, 30) correspondiente a una frecuencia de un fenómeno fisiológico periódico,
caracterizado porque el sistema (3; 35) de procesamiento de datos de imágenes está configurado para seleccionar automáticamente la al menos una zona de medición y seleccionar la al menos una zona (26) de medición analizando información basándose en datos de píxel de una pluralidad de partes de imagen en al menos una de las imágenes (19), incluyendo cada parte de imagen al menos un punto de imagen, y seleccionar cada zona (26) de medición de partes de imagen contiguas determinadas para tener características similares. -
- 13.
- Sistema según la reivindicación 12, configurado para llevar a cabo un método según una cualquiera de las reivindicaciones 1-11.
-
- 14.
- Programa informático que incluye un conjunto de instrucciones que, cuando se incorpora en un medio legible por máquina, puede hacer que un sistema tenga capacidades de procesamiento de información para realizar un método según una cualquiera de las reivindicaciones 1-11.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09154493 | 2009-03-06 | ||
EP09154493 | 2009-03-06 | ||
PCT/IB2010/050870 WO2010100594A2 (en) | 2009-03-06 | 2010-03-01 | Processing images of at least one living being |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2426971T3 true ES2426971T3 (es) | 2013-10-28 |
Family
ID=42101526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES10708623T Active ES2426971T3 (es) | 2009-03-06 | 2010-03-01 | Procesamiento de imágenes de al menos un ser vivo |
Country Status (7)
Country | Link |
---|---|
US (2) | US8542877B2 (es) |
EP (1) | EP2404283B1 (es) |
JP (1) | JP5631901B2 (es) |
CN (1) | CN102341828B (es) |
DE (1) | DE202010017895U1 (es) |
ES (1) | ES2426971T3 (es) |
WO (1) | WO2010100594A2 (es) |
Families Citing this family (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2023812B1 (en) | 2006-05-19 | 2016-01-27 | The Queen's Medical Center | Motion tracking system for real time adaptive imaging and spectroscopy |
EP2404261A1 (en) | 2009-03-06 | 2012-01-11 | Koninklijke Philips Electronics N.V. | Method of controlling a function of a device and system for detecting the presence of a living being |
DE202010017895U1 (de) | 2009-03-06 | 2013-01-08 | Koninklijke Philips Electronics N.V. | System zur Verarbeitung von Bildern von mindestens einem Lebewesen |
CN104123536B (zh) | 2009-08-20 | 2018-09-21 | 皇家飞利浦电子股份有限公司 | 用于图像分析的系统和方法 |
EP2486539B1 (en) | 2009-10-06 | 2016-09-07 | Koninklijke Philips N.V. | Method and system for obtaining a first signal for analysis to characterize at least one periodic component thereof |
WO2011042844A1 (en) | 2009-10-06 | 2011-04-14 | Koninklijke Philips Electronics N.V. | Formation of a time-varying signal representative of at least variations in a value based on pixel values |
WO2012066454A1 (en) * | 2010-11-17 | 2012-05-24 | Koninklijke Philips Electronics N.V. | System and method for converting an input signal into an output signal |
BR112013017072A2 (pt) * | 2011-01-05 | 2018-02-14 | Koninl Philips Electronics Nv | dispositivo de codificação de vídeo para codificar dados de vídeo, método de codificação de vídeo para codificar dados de vídeo, dispositivo de decodificação de vídeo para decodificar um fluxo de vídeo, método de decodificação de vídeo para decodificar um fluxo de vídeo codificado, sistema de codificação de vídeo para codificar e decodificar dados de vídeo e programa de computador. |
EP2661219B1 (en) | 2011-01-05 | 2019-05-15 | Koninklijke Philips N.V. | Device and method for extracting information from characteristic signals |
CN103404138B (zh) * | 2011-01-05 | 2017-01-18 | 皇家飞利浦电子股份有限公司 | 保留ppg相关信息的视频编码与解码设备及方法 |
FI20115053A0 (fi) * | 2011-01-19 | 2011-01-19 | Delfin Technologies Oy | Menetelmä ja järjestelmä kardiovaskulaaristen sykeaaltojen visualisoimiseksi |
US9224202B2 (en) * | 2011-04-14 | 2015-12-29 | Koninklijke Philips N.V. | Device and method for extracting information from characteristic signals |
US9427191B2 (en) * | 2011-07-25 | 2016-08-30 | Valencell, Inc. | Apparatus and methods for estimating time-state physiological parameters |
US10687706B2 (en) * | 2011-08-01 | 2020-06-23 | Koninklijke Philips N.V. | Device and method for obtaining and processing measurement readings including at least a component representative of a physical phenomenon in a living being |
GB201114406D0 (en) | 2011-08-22 | 2011-10-05 | Isis Innovation | Remote monitoring of vital signs |
EP2747641A4 (en) | 2011-08-26 | 2015-04-01 | Kineticor Inc | METHOD, SYSTEMS AND DEVICES FOR SCAN INTERNAL MOTION CORRECTION |
EP2745240A2 (en) | 2011-09-29 | 2014-06-25 | Koninklijke Philips N.V. | Distortion reduced signal detection |
TW201315438A (zh) * | 2011-10-14 | 2013-04-16 | Ind Tech Res Inst | 非接觸式之心脈量測方法及其系統 |
JP5822651B2 (ja) * | 2011-10-26 | 2015-11-24 | 株式会社ソニー・コンピュータエンタテインメント | 個体判別装置および個体判別方法 |
JP6259776B2 (ja) * | 2012-02-28 | 2018-01-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | バイタルサインをモニタするためのデバイス及び方法 |
CN102755156B (zh) * | 2012-06-08 | 2013-12-11 | 深圳市富晶科技有限公司 | 手表、心率检测装置及心率检测方法 |
WO2014020509A1 (en) * | 2012-08-02 | 2014-02-06 | Koninklijke Philips N.V. | Device and method for extracting physiological information |
EP2893872A4 (en) * | 2012-09-07 | 2015-09-23 | Fujitsu Ltd | PULSE WAVE DETECTION METHOD, PULSE WAVE DETECTION DEVICE, AND PULSE WAVE DETECTION PROGRAM |
US9839375B2 (en) | 2012-09-21 | 2017-12-12 | Koninklijke Philips N.V. | Device and method for processing data derivable from remotely detected electromagnetic radiation |
US20150250425A1 (en) * | 2012-09-21 | 2015-09-10 | Koninklijke Philips N.V. | Motion robust vital signal monitoring |
CN104755018B (zh) * | 2012-11-02 | 2017-05-24 | 皇家飞利浦有限公司 | 用于提取生理信息的设备和方法 |
CN103054569B (zh) * | 2012-12-20 | 2015-04-22 | Tcl集团股份有限公司 | 基于可见光图像测量人体心率的方法、装置及手持设备 |
WO2014095759A1 (en) * | 2012-12-21 | 2014-06-26 | Koninklijke Philips N.V. | System and method for extracting physiological information from remotely detected electromagnetic radiation |
US10327708B2 (en) | 2013-01-24 | 2019-06-25 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US9305365B2 (en) | 2013-01-24 | 2016-04-05 | Kineticor, Inc. | Systems, devices, and methods for tracking moving targets |
US9782141B2 (en) | 2013-02-01 | 2017-10-10 | Kineticor, Inc. | Motion tracking system for real time adaptive motion compensation in biomedical imaging |
JP6389834B2 (ja) | 2013-03-13 | 2018-09-12 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 被験者からバイタルサインを決定する装置及び方法 |
US10052038B2 (en) * | 2013-03-14 | 2018-08-21 | Koninklijke Philips N.V. | Device and method for determining vital signs of a subject |
US10238292B2 (en) | 2013-03-15 | 2019-03-26 | Hill-Rom Services, Inc. | Measuring multiple physiological parameters through blind signal processing of video parameters |
RU2667615C2 (ru) * | 2013-06-11 | 2018-09-21 | Конинклейке Филипс Н.В. | Система, способ и устройство для контроля влияния света и звука на человека |
JP6349075B2 (ja) | 2013-11-22 | 2018-06-27 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 心拍数測定装置及び心拍数測定方法 |
CN105813562B (zh) | 2013-12-13 | 2019-05-14 | 皇家飞利浦有限公司 | 睡眠监测系统和方法 |
CN106456045A (zh) * | 2014-02-03 | 2017-02-22 | 小利兰·斯坦福大学托管委员会 | 在同时磁共振成像期间的非接触式生理监测 |
JP6286220B2 (ja) * | 2014-02-14 | 2018-02-28 | 株式会社日立製作所 | X線ct装置 |
EP3110317B1 (en) | 2014-02-25 | 2023-05-03 | ICU Medical, Inc. | Patient monitoring system with gatekeeper signal and corresponding method |
CN106413533B (zh) * | 2014-06-06 | 2020-12-22 | 皇家飞利浦有限公司 | 用于检测对象的呼吸暂停的设备、系统和方法 |
WO2016014718A1 (en) | 2014-07-23 | 2016-01-28 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
DE102014218924A1 (de) * | 2014-09-19 | 2016-03-24 | Siemens Aktiengesellschaft | Ermittlung einer Position eines Objekts mittels MRT-Aufnahmen |
US10660533B2 (en) * | 2014-09-30 | 2020-05-26 | Rapsodo Pte. Ltd. | Remote heart rate monitoring based on imaging for moving subjects |
JP6873902B2 (ja) * | 2014-12-17 | 2021-05-19 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血流撮像 |
WO2016189071A1 (en) * | 2015-05-28 | 2016-12-01 | Koninklijke Philips N.V. | X-ray imaging system with camera capable of recording physiological states |
US9943247B2 (en) | 2015-07-28 | 2018-04-17 | The University Of Hawai'i | Systems, devices, and methods for detecting false movements for motion correction during a medical imaging scan |
DE102015216115B4 (de) | 2015-08-24 | 2023-08-10 | Siemens Healthcare Gmbh | Verfahren und System zum Bestimmen eines Triggersignals |
AU2016341195B2 (en) | 2015-10-19 | 2019-03-14 | Icu Medical, Inc. | Hemodynamic monitoring system with detachable display unit |
US10716515B2 (en) | 2015-11-23 | 2020-07-21 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
FR3052350B1 (fr) | 2016-06-10 | 2022-03-25 | Univ Bourgogne | Surveillance de la qualite du sommeil d’un bebe par combinaison de donnees multimodales incluant la photoplethysmographie |
US10335045B2 (en) | 2016-06-24 | 2019-07-02 | Universita Degli Studi Di Trento | Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions |
CN106203365B (zh) * | 2016-07-14 | 2019-02-12 | 浙江赢视科技有限公司 | 增益调节处理的指纹成像方法 |
CN106974626A (zh) * | 2017-03-09 | 2017-07-25 | 深圳市奥芯博电子科技有限公司 | 脉搏监测机器人 |
EP3375354A1 (en) * | 2017-03-17 | 2018-09-19 | Koninklijke Philips N.V. | Cardiac motion signal derived from optical images |
CN107122709B (zh) * | 2017-03-17 | 2020-12-04 | 上海云从企业发展有限公司 | 活体检测方法及装置 |
EP3398508A1 (en) * | 2017-05-04 | 2018-11-07 | Koninklijke Philips N.V. | A system and method for extracting a physiological information from video sequences |
US10489911B2 (en) * | 2018-02-08 | 2019-11-26 | Apn Health, Llc | Determining respiratory phase from fluoroscopic images |
US20190347786A1 (en) * | 2018-05-08 | 2019-11-14 | Pixart Imaging Inc. | Method, apparatus, and electronic device having living body detection capability |
US10696305B2 (en) * | 2018-11-15 | 2020-06-30 | XMotors.ai Inc. | Apparatus and method for measuring physiological information of living subject in vehicle |
WO2020189754A1 (ja) * | 2019-03-20 | 2020-09-24 | 学校法人慶應義塾 | 推定方法、推定モデルの生成方法、プログラム、及び推定装置 |
TWI743593B (zh) * | 2019-11-18 | 2021-10-21 | 緯創資通股份有限公司 | 活體臉部辨識系統與方法 |
EP4123575A1 (en) | 2021-07-23 | 2023-01-25 | Koninklijke Philips N.V. | Signal extraction from camera observation |
CN114601437A (zh) * | 2022-03-02 | 2022-06-10 | 虹软科技股份有限公司 | 一种心率检测方法和装置 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8628698D0 (en) | 1986-12-01 | 1987-01-07 | Kon Israel | Pulse rate detector |
US4958638A (en) | 1988-06-30 | 1990-09-25 | Georgia Tech Research Corporation | Non-contact vital signs monitor |
WO1995026013A1 (en) * | 1994-03-24 | 1995-09-28 | Minnesota Mining And Manufacturing Company | Biometric, personal authentication system |
US5995856A (en) | 1995-11-22 | 1999-11-30 | Nellcor, Incorporated | Non-contact optical monitoring of physiological parameters |
WO2000044274A2 (en) | 1999-01-29 | 2000-08-03 | Pougatchev Vadim I | Personal physiological monitor |
IL128397A0 (en) | 1999-02-01 | 2000-01-31 | Makheteshim Chemical Works Ltd | Improved method for the preparation of 3,5-dichloro-2,4,6-trifluoropyridine |
AU2001242127A1 (en) | 2000-03-16 | 2001-09-24 | Cedara Software Corp. | System and method for processing an image sequence |
JP2005518238A (ja) | 2002-02-22 | 2005-06-23 | デイテックス−オーメダ インコーポレイテッド | ケプストラム領域パルスオキシメータ |
EP1503578A4 (en) | 2002-04-17 | 2005-06-08 | Matsushita Electric Ind Co Ltd | MOTION DETECTOR, IMAGE PROCESSING SYSTEM, MOTION DETECTION METHOD, PROGRAM, RECORDING MEDIUM |
US20050054940A1 (en) | 2003-04-23 | 2005-03-10 | Almen Adam J. | Apparatus and method for monitoring heart rate variability |
US7354380B2 (en) | 2003-04-23 | 2008-04-08 | Volpe Jr Joseph C | Heart rate monitor for controlling entertainment devices |
KR100675555B1 (ko) | 2003-07-07 | 2007-01-29 | 유선국 | 맥박 산소포화도 측정 장치 및 방법 |
GB0327100D0 (en) | 2003-11-21 | 2003-12-24 | King S College Hospital Nhs Tr | Blood flow monitoring equipment |
CN1613425A (zh) | 2004-09-15 | 2005-05-11 | 南京大学 | 司机疲劳预警生物识别的方法和系统 |
JP5227023B2 (ja) | 2004-09-21 | 2013-07-03 | ディジタル シグナル コーポレイション | 生理学的機能を遠隔的にモニターするシステムおよび方法 |
JP5149015B2 (ja) | 2004-12-28 | 2013-02-20 | ハイパーメツド・イメージング・インコーポレイテツド | 全身生理機能およびショックの決定、評価および監視におけるハイパースペクトル/マルチスペクトルイメージング |
CN100509083C (zh) | 2005-01-31 | 2009-07-08 | 重庆微海软件开发有限公司 | 利用呼吸信号控制图像同步的方法及其装置 |
US7840246B1 (en) | 2005-09-20 | 2010-11-23 | Pacesetter, Inc. | Implantable self-calibrating optical sensors |
US20090043210A1 (en) * | 2005-10-12 | 2009-02-12 | Konica Minolta Holdings, Inc. | Data detection device and data detection method |
DE102005049862A1 (de) * | 2005-10-18 | 2007-04-26 | Siemens Ag | Verfahren und Vorrichtung zur Bewegungskorrektur bei der Bildgebung des Herzens |
JPWO2007052755A1 (ja) * | 2005-11-04 | 2009-04-30 | 株式会社東芝 | 呼吸モニタリング装置、呼吸モニタリングシステム、医療的処理システム、呼吸モニタリング方法、呼吸モニタリングプログラム |
WO2007144880A2 (en) | 2006-06-13 | 2007-12-21 | Elfi-Tech Ltd. | System and method for measurement of biological parameters of a subject |
US8360986B2 (en) * | 2006-06-30 | 2013-01-29 | University Of Louisville Research Foundation, Inc. | Non-contact and passive measurement of arterial pulse through thermal IR imaging, and analysis of thermal IR imagery |
JP5681844B2 (ja) * | 2006-11-14 | 2015-03-11 | シーエフピーエイチ, エル.エル.シー. | 賭け型ゲームのための方法及び装置 |
US20100056887A1 (en) | 2006-11-27 | 2010-03-04 | Pioneer Corporation | Emission sensor device and bioinformation detecting method |
CN101657845A (zh) | 2007-04-18 | 2010-02-24 | 皇家飞利浦电子股份有限公司 | 为医疗患者呈现个人经历的装置和方法 |
EP1988489B1 (en) | 2007-05-04 | 2021-02-17 | STMicroelectronics (Research & Development) Limited | Biometric sensor apparatus and method |
WO2009009761A1 (en) | 2007-07-11 | 2009-01-15 | Triage Wireless, Inc. | Device for determining respiratory rate and other vital signs |
US7504872B2 (en) | 2007-08-13 | 2009-03-17 | Nvidia Corporation | Generic flexible timer design |
CN101112307A (zh) | 2007-08-30 | 2008-01-30 | 复旦大学 | 利用高速ccd测量斑马鱼心率的方法 |
US8149273B2 (en) | 2007-11-30 | 2012-04-03 | Fuji Xerox Co., Ltd. | System and methods for vital sign estimation from passive thermal video |
CN101527034B (zh) | 2008-03-07 | 2013-01-23 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应帧相关的方法和装置 |
DE202010017895U1 (de) | 2009-03-06 | 2013-01-08 | Koninklijke Philips Electronics N.V. | System zur Verarbeitung von Bildern von mindestens einem Lebewesen |
US20110251493A1 (en) * | 2010-03-22 | 2011-10-13 | Massachusetts Institute Of Technology | Method and system for measurement of physiological parameters |
-
2010
- 2010-03-01 DE DE202010017895U patent/DE202010017895U1/de not_active Expired - Lifetime
- 2010-03-01 CN CN201080010758.3A patent/CN102341828B/zh active Active
- 2010-03-01 WO PCT/IB2010/050870 patent/WO2010100594A2/en active Application Filing
- 2010-03-01 ES ES10708623T patent/ES2426971T3/es active Active
- 2010-03-01 US US13/254,200 patent/US8542877B2/en active Active
- 2010-03-01 JP JP2011552553A patent/JP5631901B2/ja active Active
- 2010-03-01 EP EP10708623.3A patent/EP2404283B1/en active Active
-
2013
- 2013-09-23 US US14/033,696 patent/US8805019B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN102341828B (zh) | 2014-03-12 |
JP5631901B2 (ja) | 2014-11-26 |
US20110311119A1 (en) | 2011-12-22 |
EP2404283B1 (en) | 2013-06-19 |
WO2010100594A3 (en) | 2010-12-02 |
WO2010100594A2 (en) | 2010-09-10 |
DE202010017895U1 (de) | 2013-01-08 |
US20140023236A1 (en) | 2014-01-23 |
US8542877B2 (en) | 2013-09-24 |
US8805019B2 (en) | 2014-08-12 |
JP2012519894A (ja) | 2012-08-30 |
EP2404283A2 (en) | 2012-01-11 |
CN102341828A (zh) | 2012-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2426971T3 (es) | Procesamiento de imágenes de al menos un ser vivo | |
CN106999116B (zh) | 用于皮肤检测的设备和方法 | |
CN105451646B (zh) | 用于提取生理信息的设备、系统和方法 | |
US8634591B2 (en) | Method and system for image analysis | |
US10646167B2 (en) | Device, system and method for extracting physiological information | |
JP6371837B2 (ja) | 被験者のバイタルサインを取得するデバイスと方法 | |
Liu et al. | MetaPhys: few-shot adaptation for non-contact physiological measurement | |
US10143377B2 (en) | Single channel imaging measurement of dynamic changes in heart or respiration rate | |
EP2486543B1 (en) | Formation of a time-varying signal representative of at least variations in a value based on pixel values | |
US8542878B2 (en) | Method of controlling a function of a device and system for detecting the presence of a living being | |
JP2018510669A (ja) | 皮膚検出に関するデバイス、システム、及び方法 | |
US20200367773A1 (en) | Device, system and method for determining a physiological parameter of a subject | |
EP3664690A1 (en) | Device, system and method for determining a physiological parameter of a subject | |
WO2017148807A1 (en) | Device, system and method for determining a vital sign of a subject | |
US20220343517A1 (en) | Device, method and system for registering a first image frame and a second image frame | |
KR et al. | SS MMk kTk StSTTTCTT |