非接觸式人體呼吸率與心率同步測量方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種非接觸式人體呼吸率與心率同步測量方法及系統(tǒng)，該測量方法包括如下步驟，獲取人體面部視屏信息，從視頻幀圖像中選擇兩處敏感區(qū)域；對視頻中每一幀的選定雙敏感區(qū)的像素值，分別使用相干平均法，生成2組RGB觀測信號，再對2組RGB觀測信號依次進(jìn)行高通濾波、去趨勢、去均值、歸一化預(yù)處理操作；用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道盲源分離，分離出呼吸信號和心率信號；用于從盲源分離后的源信號中識別出呼吸信號和心率信號，結(jié)合滑動窗算法提取出呼吸和心率。本發(fā)明具有對呼吸率和心率同步測量準(zhǔn)確性高、抗噪聲干擾能力較強(qiáng)、應(yīng)用潛力大等優(yōu)點(diǎn)。
【專利說明】
非接觸式人體呼吸率與心率同步測量方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及生物體征研究應(yīng)用技術(shù)領(lǐng)域，具體涉及一種非接觸式人體呼吸率與心 率同步測量方法及系統(tǒng)。
【背景技術(shù)】
[0002] 心率和呼吸率作為重要人體體征參數(shù)，如何通過非接觸式的測量方式實現(xiàn)這兩個 參數(shù)的準(zhǔn)確測量一直是生物醫(yī)學(xué)工程及儀器領(lǐng)域研究的熱點(diǎn)之一。成像式光電容積描記 (Imaging Photoplethysmography，IPPG)技術(shù)是在PPG基礎(chǔ)上發(fā)展起來的一種非接觸生理 參數(shù)檢測技術(shù)，該技術(shù)利用成像設(shè)備對包含被測部位的信息進(jìn)行視頻采集，通過對視頻圖 像的敏感區(qū)域(region of interest ,ROI)進(jìn)行處理，實現(xiàn)心率、呼吸率、血氧飽和度等生理 參數(shù)提取的一種生物醫(yī)學(xué)檢測方法。IPPG技術(shù)具有成本低、非接觸、安全、能夠連續(xù)測量、操 作簡單等多種優(yōu)勢，為非接觸式生理信號測量及遠(yuǎn)程醫(yī)療監(jiān)控的研究提供了一種新的解決 途徑和方案。
[0003] 現(xiàn)有技術(shù)中，基于IPPG技術(shù)提取人體心率指標(biāo)的研究方面，主要是心率和呼吸率 的提取方法為研究思路的直接應(yīng)用或改進(jìn)優(yōu)化。主要為從面部視頻生成的觀測信號的G通 道中提取心率，或者通過基于JADE等經(jīng)典ICA算法進(jìn)行3通道盲源分離以提取心率，進(jìn)一步 從心率的頻譜分析中提取出呼吸率。此外，部分方法中融入了面部視頻跟蹤算法以克服噪 聲干擾問題。在多數(shù)情況下，當(dāng)干擾噪聲較少時，使用G通道方法的效果的確很好，但較多干 擾噪聲時該方法存在缺陷，并且，較多的噪聲源會影響3通道ICA算法的分離效果。上述基于 面部視頻跟蹤算法雖然可以一定程度上解決受試者面部運(yùn)動問題，但對于面部局部細(xì)微變 化以及光線微弱變化等因素造成的噪聲干擾無法做到很好地克服。同時，現(xiàn)有的方法對于 ICA分離后源信號通道的判別基本依據(jù)FFT后的功率譜，同樣也面臨噪聲源的干擾問題，在 分離通道較多的情況下，源通道的判別準(zhǔn)確性對于算法的穩(wěn)健性來說同樣顯得十分重要。 此外，現(xiàn)有的方法中沒有能夠?qū)崿F(xiàn)心率和呼吸信號的同步提取，進(jìn)而實現(xiàn)心率和呼吸的同 步測量。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是:提供一種非接觸式人體呼吸率與心率同步測量方法及系統(tǒng)體面 部視頻中同步提取出呼吸與心率信號，能夠克服噪聲干擾問題的同時，實現(xiàn)兩個生理參數(shù) 的同步測量。
[0005] 為實現(xiàn)上述目的，本方法發(fā)明采用的技術(shù)方案是：
[0006] 非接觸式人體呼吸率與心率同步測量方法，該測量方法包括如下步驟，
[0007] S100、獲取人體面部視屏信息，從視頻幀圖像中選擇兩處敏感區(qū)域；
[0008] S101、對視頻中每一幀的選定雙敏感區(qū)的像素值，分別使用相干平均法，生成2組 RGB觀測信號，再對2組RGB觀測信號依次進(jìn)行高通濾波、去趨勢、去均值、歸一化預(yù)處理操 作；
[0009] S102、用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道盲源分離，分離出 呼吸?目號和心率?目號；
[0010] S103、用于從盲源分離后的源信號中識別出呼吸信號和心率信號，結(jié)合滑動窗算 法提取出呼吸和心率。
[0011] 本方法發(fā)明還存在以下附加特征：
[0012] 所述步驟S103中，具體包括如下步驟：
[0013] S201、對分離出的6通道源信號使用0.15Hz高通濾波和8Hz低通濾波相結(jié)合進(jìn)行濾 波處理，去除殘留噪聲干擾；
[0014] S202、對S201步驟中去噪處理的6通道源信號，計算出峭度值，并使用K-means方法 對峭度值進(jìn)行3聚類分析，得到呼吸信號所在的聚類，即信號的峭度值最小的聚類；
[0015] S203、從步驟S202中所述最小的聚類中判別出呼吸信號，引入呼吸率線性預(yù)測值， 使用LPC線性預(yù)測方法從最近的5個呼吸率歷史值中計算出當(dāng)前預(yù)測值，并分析該聚類中所 有信號在〇. 2~0.8Hz頻段內(nèi)的峰值處的頻率點(diǎn)，選擇距離預(yù)測值最近的頻率點(diǎn)為呼吸率候 選值；
[0016] 判斷該候選值是否超出預(yù)測值±0.3Hz的浮動范圍，如若沒有，則得到呼吸信號和 當(dāng)前呼吸率值;如若超出預(yù)測值的浮動范圍，則視為野值丟棄，本次識別失敗，并返回步驟 S201；
[0017] S204、對步驟S203中提取呼吸信號后剩余的源信號，采用0.8Hz高通濾波以消除低 頻成份，再計算出功率譜峭度值，并使用K-means方法進(jìn)行3聚類分析，得到心率信號所在的 信號的功率譜峭度值最大的聚類；
[0018] S205:從步驟S204所述的最大聚類中判別出心率信號，引入心率線性預(yù)測值，使用 LPC線性預(yù)測方法從最近的5個心率歷史值中計算出當(dāng)前預(yù)測值，分析該聚類中所有信號 在0.8~2.3Hz頻段內(nèi)的峰值處頻率點(diǎn)，選擇距離預(yù)測值最近的頻率點(diǎn)為心率候選值；
[0019] 判斷該候選值是否超出預(yù)測值±〇.2Hz的浮動范圍，如若沒有，則得到心率信號和 當(dāng)前心率值，如若超出預(yù)測值的浮動范圍，則視為野值丟棄，本次識別失敗，并返回步驟 S201；
[0020] S206、對所述面部視頻使用滑動窗算法進(jìn)行分析，滑動窗長為600幀，滑動步長為 150幀，每次對滑動窗中數(shù)據(jù)運(yùn)用以上所述方法求出呼吸率和心率。
[0021] 所述步驟S203和步驟S205中所述的引入呼吸率和心率的線性預(yù)測值，限于滑動窗 移動5次以后，在前5次的滑動窗內(nèi)數(shù)據(jù)分析中，將步驟S202所述的源信號中峭度值最小者 指定為呼吸信號，并將步驟S204所述的0.8Hz高通濾波后的源信號中功率譜峭度值最大者 指定為心率信號。
[0022]所述步驟S103中的盲源分離算法選擇基于二階統(tǒng)計量的SOBI算法。
[0023] 所述步驟SlOl中的2組RGB觀測信號選用0.15Hz的高通濾波。
[0024] 為實現(xiàn)上述目的，本系統(tǒng)發(fā)明采用的技術(shù)方案是：
[0025] 非接觸式人體呼吸率與心率同步測量系統(tǒng)，其特征在于：系統(tǒng)包括面部視頻獲取 與雙敏感區(qū)域選擇模塊、觀測信號生成與預(yù)處理模塊、多通道盲源分離模塊、源信號識別與 生理參數(shù)提取模塊；
[0026] 面部視頻獲取與雙敏感區(qū)域選擇模塊用于拍攝人體面部視頻，再從視頻幀圖像中 選擇兩處敏感區(qū)域，分別為嘴部區(qū)域和咽喉部區(qū)域；
[0027]觀測信號生成與預(yù)處理模塊用于對視頻中每一幀的選定雙敏感區(qū)的像素值，分別 使用相干平均法，生成2組RGB觀測信號，再對2組RGB觀測信號依次進(jìn)行0.15Hz高通濾波、去 趨勢、去均值、歸一化等4步預(yù)處理操作以抑制干擾噪聲，獲得較理想的觀測信號用于后續(xù) 分析；
[0028]多通道盲源分離模塊用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道盲 源分離，以分離出呼吸信號和心率信號；
[0029] 源信號識別與生理參數(shù)提取模塊用于從盲源分離后的源信號中識別出呼吸信號 和心率信號，結(jié)合滑動窗算法提取出呼吸和心率。
[0030] 與現(xiàn)有技術(shù)相比，本發(fā)明具備的技術(shù)效果為:本發(fā)明實現(xiàn)了從面部視頻中同步提 取出人體呼吸信號和心率信號，基于面部視頻的雙敏感區(qū)域，即咽喉部區(qū)域與嘴部區(qū)域。 其中，咽喉部區(qū)域具有運(yùn)動規(guī)律性，與呼吸率強(qiáng)相關(guān)，且通常不易被衣物遮擋，適合用作呼 吸率敏感區(qū)域;而且嘴部區(qū)域運(yùn)動特征存在不規(guī)律現(xiàn)象，與呼吸率弱相關(guān)，同時嘴部區(qū)域和 整個面部一樣，BVP信號變化特征明顯，可作為心率敏感區(qū)域，因此使用該雙敏感區(qū)域組合， 很好地實現(xiàn)了人體呼吸信號和心率信號同步提??；另外，本發(fā)明采用了以盲源分離為主線 的技術(shù)手段，對基于雙敏感區(qū)域生成的2組RGB觀測信號使用6通道盲源分離處理，將呼吸信 號、心率信號、各種噪聲源信號很好地分離開來，解決了各種噪聲干擾問題，對分離后的源 信號，運(yùn)用了峭度聚類和功率譜峭度聚類與線性預(yù)測值相結(jié)合的識別方法，能夠準(zhǔn)確地識 別呼吸信號、心率信號，因此本發(fā)明具有巨大的應(yīng)用潛力，具有對呼吸率和心率同步測量準(zhǔn) 確性高、抗噪聲干擾能力較強(qiáng)、應(yīng)用潛力大等優(yōu)點(diǎn)。
[0031] 除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。 下面將參照圖，對本發(fā)明作進(jìn)一步詳細(xì)的說明。
【附圖說明】
[0032] 構(gòu)成本申請的一部分的說明書附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示 意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：
[0033] 圖1是非接觸式人體呼吸率與心率同步測量方法的邏輯框圖；
[0034]圖2是非接觸式人體呼吸率與心率同步測量系統(tǒng)的邏輯框圖；
[0035]圖3是非接觸式人體呼吸率與心率同步測量方法中步驟S103的具體方法的邏輯框 圖；
[0036] 圖4是非接觸式人體呼吸率與心率同步測量方法步驟流程圖；
[0037] 圖5是非接觸式人體呼吸率與心率同步測量方法中選取的兩處敏感區(qū)域示意圖； [0038]圖6是對所選視頻數(shù)據(jù)分別進(jìn)行單區(qū)域盲源分離效果圖；
[0039] 圖7是對圖6中所述數(shù)據(jù)進(jìn)行雙區(qū)域6通道盲源分離效果圖；
[0040] 圖8是從圖7中所述源信號中識別呼吸信號的原理圖；
[0041] 圖9是從圖8中剩余源信號中識別心率信號的原理圖；
[0042] 圖10是受試者呼吸率與心率測量曲線圖；
[0043] 圖11是受試者呼吸率與心率頻數(shù)分布直方圖。
【具體實施方式】
[0044] 結(jié)合圖1至圖11明作進(jìn)一步地說明：
[0045] 非接觸式人體呼吸率與心率同步測量方法，該測量方法包括如下步驟，
[0046] S100、獲取人體面部視屏信息，從視頻幀圖像中選擇兩處敏感區(qū)域，分別為嘴部區(qū) 域和咽喉部區(qū)域；
[0047] S101、對視頻中每一幀的選定雙敏感區(qū)的像素值，分別使用相干平均法，生成2組 RGB觀測信號，再對2組RGB觀測信號依次進(jìn)行高通濾波、去趨勢、去均值、歸一化預(yù)處理操 作；
[0048] S102、用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道盲源分離，分離出 呼吸?目號和心率?目號；
[0049] S103、用于從盲源分離后的源信號中識別出呼吸信號和心率信號，結(jié)合滑動窗算 法提取出呼吸和心率。
[0050] 首先，本發(fā)明實現(xiàn)了從面部視頻中同步提取出人體呼吸信號和心率信號，設(shè)計了 基于面部視頻的雙敏感區(qū)域，即咽喉部區(qū)域與嘴部區(qū)域。其中，咽喉部區(qū)域具有運(yùn)動規(guī)律 性，與呼吸率強(qiáng)相關(guān)，且通常不易被衣物遮擋，適合用作呼吸率敏感區(qū)域;嘴部區(qū)域運(yùn)動特 征存在不規(guī)律現(xiàn)象，與呼吸率弱相關(guān)，同時嘴部區(qū)域和整個面部一樣，BVP(血液容量變化脈 沖)信號，信號變化特征明顯，可作為心率敏感區(qū)域，與已有技術(shù)相比，使用該雙敏感區(qū)域組 合，很好地實現(xiàn)了人體呼吸信號和心率信號同步提取。
[0051] 其次，發(fā)明采用了以盲源分離為主線的技術(shù)手段，對基于雙敏感區(qū)域生成的2組 RGB(R、G、B三基色通道是通過對紅、綠、藍(lán)三個顏色通道的變化以及它們相互之間的疊加來 得到各式各樣的顏色的，RGB即是代表紅、綠、藍(lán)三個通道的顏色，這個標(biāo)準(zhǔn)幾乎包括了人類 視力所能感知的所有顏色，是目前運(yùn)用最廣的顏色系統(tǒng)之一)觀測信號使用6通道盲源分離 處理，將呼吸信號、心率信號、各種噪聲源信號很好地分離開來，解決了已有技術(shù)中常遇到 的各種噪聲干擾問題，同時，對分離后的源信號，創(chuàng)造性地運(yùn)用了峭度聚類和功率譜峭度聚 類與線性預(yù)測值相結(jié)合的識別方法，能夠準(zhǔn)確地識別呼吸信號、心率信號。
[0052]另外，基于面部視頻的非接觸式生理參數(shù)測量方法，已經(jīng)逐漸開始成為研究和應(yīng) 用的熱點(diǎn)，本發(fā)明所提出的相關(guān)方法具備多個創(chuàng)新點(diǎn)，實現(xiàn)了呼吸率和心率的同步測量，采 用的以盲源分離為主線的技術(shù)手段可以很好地解決噪聲干擾問題，在該研究領(lǐng)域中可以 進(jìn)一步擴(kuò)展應(yīng)用，以提取更多的生理參數(shù)。同時，該方法可以實現(xiàn)在線功能，且所選用的 SOBI盲源分離算法具備較低的運(yùn)算復(fù)雜度，有利于本發(fā)明在不同運(yùn)算平臺上移植應(yīng)用，因 此本發(fā)明具有巨大的應(yīng)用潛力。
[0053]總之，本發(fā)明的一種非接觸式人體呼吸率與心率同步測量方法，具有對呼吸率和 心率同步測量準(zhǔn)確性高、抗噪聲干擾能力較強(qiáng)、應(yīng)用潛力大等優(yōu)點(diǎn)。
[0054]優(yōu)選地，結(jié)合圖3所示，所述步驟S103中，用于從盲源分離后的源信號中識別出呼 吸信號和心率信號，結(jié)合滑動窗算法提取出呼吸和心率，具體包括如下步驟：
[0055] S201、對分離出的6通道源信號使用0.15Hz高通濾波和8Hz低通濾波相結(jié)合進(jìn)行濾 波處理，去除殘留噪聲干擾；
[0056] S202、對S201步驟中去噪處理的6通道源信號，計算出峭度值，并使用K-meansO^ 聚類算法)方法對峭度值進(jìn)行3聚類分析，得到呼吸信號所在的聚類，即信號的峭度值最小 的聚類；
[0057] S203、從步驟S202中所述最小的聚類中判別出呼吸信號，引入呼吸率線性預(yù)測值， 使用LPC線性預(yù)測方法從最近的5個呼吸率歷史值中計算出當(dāng)前預(yù)測值，并分析該聚類中所 有信號在〇. 2~0.8Hz頻段內(nèi)的峰值處的頻率點(diǎn)，選擇距離預(yù)測值最近的頻率點(diǎn)為呼吸率候 選值；
[0058]判斷該候選值是否超出預(yù)測值±0.3Hz的浮動范圍，如若沒有，則得到呼吸信號和 當(dāng)前呼吸率值;如若超出預(yù)測值的浮動范圍，則視為野值丟棄，本次識別失敗，并返回步驟 S201；
[0059] S204、對步驟S203中提取呼吸信號后剩余的源信號，采用0.8Hz高通濾波以消除低 頻成份，再計算出功率譜峭度值，并使用K-means方法進(jìn)行3聚類分析，得到心率信號所在的 信號的功率譜峭度值最大的聚類；
[0060] S205:為了從步驟S204所述的最大聚類中判別出心率信號，引入心率線性預(yù)測值， 使用LPC線性預(yù)測方法從最近的5個心率歷史值中計算出當(dāng)前預(yù)測值，分析該聚類中所有信 號在0.8~2.3Hz頻段內(nèi)的峰值處頻率點(diǎn)，選擇距離預(yù)測值最近的頻率點(diǎn)為心率候選值；
[0061] 判斷該候選值是否超出預(yù)測值±0.2Hz的浮動范圍，如若沒有，則得到心率信號和 當(dāng)前心率值，如若超出預(yù)測值的浮動范圍，則視為野值丟棄，本次識別失敗，并返回步驟 S201；
[0062] S206、對所述面部視頻使用滑動窗算法進(jìn)行分析，滑動窗長為600幀，滑動步長為 150幀，每次對滑動窗中數(shù)據(jù)運(yùn)用以上所述方法求出呼吸率和心率。
[0063] 進(jìn)一步地，所述步驟S203和步驟S205中所述的引入呼吸率和心率的線性預(yù)測值， 限于滑動窗移動5次以后，在前5次的滑動窗內(nèi)數(shù)據(jù)分析中，將步驟S202所述的源信號中峭 度值最小者指定為呼吸信號，并將步驟S204所述的0.8Hz高通濾波后的源信號中功率譜峭 度值最大者指定為心率信號。
[0064] 更進(jìn)一步地，所述步驟S103中的盲源分離算法選擇基于二階統(tǒng)計量的SOBI算法。
[0065]為提高視屏信號采集的準(zhǔn)確度，所述步驟SlOO中的嘴部區(qū)域的高度覆蓋嘴部、寬 度接近臉部邊緣。
[0066] 為提高信號濾波質(zhì)量，所述步驟SlOl中的2組RGB觀測信號選用0.15Hz的高通濾 波。
[0067] 表1給出了本申請書所提方法的測量效果統(tǒng)計，以普通商業(yè)測量儀器為標(biāo)準(zhǔn)參考 數(shù)據(jù)，在使用者姿態(tài)放松的情況下，呼吸率和心率的檢測正確率達(dá)到90%和93%以上。
[0068] 表 1
[0070] 下面針對基于二階盲辨識的非接觸式眨眼與心率聯(lián)合檢測系統(tǒng)進(jìn)行介紹：
[0071] 結(jié)合圖2所示，系統(tǒng)包括面部視頻獲取與雙敏感區(qū)域選擇模塊10、觀測信號生成與 預(yù)處理模塊20、多通道盲源分離模塊30、源信號識別與生理參數(shù)提取模塊40;
[0072] 面部視頻獲取與雙敏感區(qū)域選擇模塊10用于拍攝人體面部視頻，再從視頻幀圖像 中選擇兩處敏感區(qū)域，分別為嘴部區(qū)域和咽喉部區(qū)域；
[0073]觀測信號生成與預(yù)處理模塊20用于對視頻中每一幀的選定雙敏感區(qū)的像素值，分 別使用相干平均法，生成2組RGB觀測信號，再對2組RGB觀測信號依次進(jìn)行0.15Hz高通濾波、 去趨勢、去均值、歸一化等4步預(yù)處理操作以抑制干擾噪聲，獲得較理想的觀測信號用于后 續(xù)分析；
[0074]多通道盲源分離模塊30用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道 盲源分離，以分離出呼吸信號和心率信號；
[0075]源信號識別與生理參數(shù)提取模塊40用于從盲源分離后的源信號中識別出呼吸信 號和心率信號，結(jié)合滑動窗算法提取出呼吸和心率。
[0076] 下面針對附圖，對本發(fā)明的方法及系統(tǒng)進(jìn)行簡要的說明：
[0077] 結(jié)合圖5,本實施例中，在不失一般性的前提下，選用了一段普通受試者的視頻數(shù) 據(jù)，通過分析視頻幀中若干處區(qū)域所生成的RGB觀測信號波形圖，說明了本發(fā)明所選取的兩 處敏感區(qū)域，分別是嘴部區(qū)域和咽喉部區(qū)域，分別命名為區(qū)域(I)和區(qū)域(II)。
[0078] 結(jié)合圖6,說明了對基于區(qū)域（I)和區(qū)域（II)生成的2組RGB觀測信號分別進(jìn)行3通 道盲源分離的效果。RGB觀測信號多數(shù)情況下并不合適直接用于生理信號提取，很多已有技 術(shù)普遍采用該方法，例如，使用G通道用于提取心率。本實施例中，在不失一般性的前提下， 所選取的實驗數(shù)據(jù)具有較多的干擾噪聲，如圖6(a)(c)所示。通過3通道盲源分離并不能很 好地實現(xiàn)生理信號與噪聲信號的有效分離，如圖6(b)(d)所示，部分已有技術(shù)中采用單區(qū)域 3通道盲源分離方法，同樣面臨類似的缺陷。
[0079]結(jié)合圖7,說明了本實施例中對圖3中所述的2組RGB觀測信號進(jìn)行6通道盲源分離 的效果，從結(jié)果看，目標(biāo)信號和各噪聲源被較好地分離出來，如圖7(b)所示。進(jìn)一步對其進(jìn) 行濾波去除殘留噪聲，如圖7(c)所示。但從圖7(c)的頻譜圖中可以看出，通道1和通道2在呼 吸信號的判別上出現(xiàn)了干擾，因此，僅僅依據(jù)頻譜圖進(jìn)行源信號識別存在不足，需要進(jìn)一步 借助新的判別算法。部分已有技術(shù)中依據(jù)頻譜圖識別源信號，同樣面臨類似的問題。
[0080]結(jié)合圖8,說明了本實施例中從圖4中所述的6通道盲源分離后的源信號中識別出 呼吸信號的原理圖。本發(fā)明中采用源信號峭度值聚類和線性預(yù)測相結(jié)合的方式進(jìn)行呼吸源 信號判別，先計算出源信號的峭度值，再使用K-means方法依據(jù)峭度值對源信號進(jìn)行3聚類 分析，找出呼吸信號所在的聚類，即峭度值最小的聚類，包含通道1和通道2,考慮到人體呼 吸率變化多為緩慢漸變過程，進(jìn)一步借助呼吸率線性預(yù)測值輔助判別當(dāng)前呼吸信號通道， 分析該聚類中所有信號在〇. 2~0.8Hz頻段內(nèi)的峰值處頻率點(diǎn)，通道2的值距離預(yù)測值最近， 選為呼吸率候選值，再確認(rèn)候選值沒有超出預(yù)測值±0.3Hz的浮動范圍，得到呼吸率通道和 呼吸率值，否則視為野值丟棄。
[0081] 結(jié)合圖9,說明了本實施例中從圖5中所述的提取呼吸信號后剩余的源信號中識別 出呼吸信號的原理圖。本發(fā)明中先使用〇.8Hz高通濾波以消除低頻成份，再用源信號功率譜 峭度值聚類和線性預(yù)測相結(jié)合的方式進(jìn)行心率源信號判別，先計譜算出功率譜峭度值，再 使用K-means方法依據(jù)功率譜峭度值進(jìn)行3聚類分析，找出心率信號所在的聚類，即信號的 功率譜峭度值最大的聚類，本實施例只包含通道3,考慮到人體心率變化多為緩慢漸變過 程，進(jìn)一步借助心率線性預(yù)測值輔助判別當(dāng)前心率信號通道，分析該聚類中所有信號在0.8 ~2.3Hz頻段內(nèi)的峰值處頻率點(diǎn)，通道3的值距離預(yù)測值最近，選為心率候選值，再確認(rèn)候選 值沒有超出預(yù)測值±0.2Hz的浮動范圍，得到心率通道和心率值，否則視為野值丟棄。
[0082] 結(jié)合圖10和圖11，說明了本實施例中呼吸率與心率的測量效果實例，其中數(shù)據(jù) 為本方法所測得呼吸率和心率(Estimated RR/HR)，"□"數(shù)據(jù)為商業(yè)測量儀所測得數(shù)據(jù) (Reference RR/HR)。為了有效測量受試者呼吸率變化特征，實驗中受試者有意識地階段性 調(diào)整呼吸頻率，通過控制平緩呼吸和快速呼吸依次交替，在呼吸上制造2個起伏波形，以便 于觀察實驗效果，實驗拍攝時間為4至6分鐘不等。實驗中每次波峰（即快速呼吸)持續(xù)45~ 60秒，然后間隔（即平緩呼吸)45~60秒。從結(jié)果看，受試者的呼吸率曲線出現(xiàn)2次起伏波形， 波形曲線較為完美，與商業(yè)測量儀數(shù)據(jù)波形基本吻合，很好地記錄下呼吸率變化情況，同 時，本方法對于受試者的心率監(jiān)測也十分準(zhǔn)確與穩(wěn)定。呼吸率與心率頻數(shù)分布直方圖顯示， 呼吸率值和心率值均分布在正常人體生理參數(shù)范圍內(nèi)。
【主權(quán)項】
1. 非接觸式人體呼吸率與心率同步測量方法，其特征在于:該測量方法包括如下步驟， 5100、 獲取人體面部視屏信息，從視頻幀圖像中選擇兩處敏感區(qū)域； 5101、 對視頻中每一幀的選定雙敏感區(qū)的像素值，分別使用相干平均法，生成2組RGB觀 測信號，再對2組RGB觀測信號依次進(jìn)行高通濾波、去趨勢、去均值、歸一化預(yù)處理操作； 5102、 用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道盲源分離，分離出呼吸 信號和心率信號； 5103、 用于從盲源分離后的源信號中識別出呼吸信號和心率信號，結(jié)合滑動窗算法提 取出呼吸和心率。2. 根據(jù)權(quán)利要求1所述的非接觸式人體呼吸率與心率同步測量方法，其特征在于:所述 步驟S103中，具體包括如下步驟： 5201、 對分離出的6通道源信號使用0.15Hz高通濾波和8Hz低通濾波相結(jié)合進(jìn)行濾波處 理，去除殘留噪聲干擾； 5202、 對S201步驟中去噪處理的6通道源信號，計算出峭度值，并使用K-means方法對峭 度值進(jìn)行3聚類分析，得到呼吸信號所在的聚類，即信號的峭度值最小的聚類； 5203、 從步驟S202中所述最小的聚類中判別出呼吸信號，引入呼吸率線性預(yù)測值，使用 LPC線性預(yù)測方法從最近的5個呼吸率歷史值中計算出當(dāng)前預(yù)測值，并分析該聚類中所有信 號在0.2~0.8Hz頻段內(nèi)的峰值處的頻率點(diǎn)，選擇距離預(yù)測值最近的頻率點(diǎn)為呼吸率候選 值； 判斷該候選值是否超出預(yù)測值±0.3Hz的浮動范圍，如若沒有，則得到呼吸信號和當(dāng)前 呼吸率值;如若超出預(yù)測值的浮動范圍，則視為野值丟棄，本次識別失敗，并返回步驟S201; 5204、 對步驟S203中提取呼吸信號后剩余的源信號，采用0.8Hz高通濾波以消除低頻成 份，再計算出功率譜峭度值，并使用K-means方法進(jìn)行3聚類分析，得到心率信號所在的信號 的功率譜峭度值最大的聚類； S205:從步驟S204所述的最大聚類中判別出心率信號，引入心率線性預(yù)測值，使用LPC 線性預(yù)測方法從最近的5個心率歷史值中計算出當(dāng)前預(yù)測值，分析該聚類中所有信號在0.8 ~2.3Hz頻段內(nèi)的峰值處頻率點(diǎn)，選擇距離預(yù)測值最近的頻率點(diǎn)為心率候選值； 判斷該候選值是否超出預(yù)測值±0.2Hz的浮動范圍，如若沒有，則得到心率信號和當(dāng)前 心率值，如若超出預(yù)測值的浮動范圍，則視為野值丟棄，本次識別失敗，并返回步驟S201; S206、對所述面部視頻使用滑動窗算法進(jìn)行分析，滑動窗長為600幀，滑動步長為150 幀，每次對滑動窗中數(shù)據(jù)運(yùn)用以上所述方法求出呼吸率和心率。3. 根據(jù)權(quán)利要求2所述的非接觸式人體呼吸率與心率同步測量方法，其特征在于:所述 步驟S203和步驟S205中所述的引入呼吸率和心率的線性預(yù)測值，限于滑動窗移動5次以后， 在前5次的滑動窗內(nèi)數(shù)據(jù)分析中，將步驟S202所述的源信號中峭度值最小者指定為呼吸信 號，并將步驟S204所述的0.8Hz高通濾波后的源信號中功率譜峭度值最大者指定為心率信 號。4. 根據(jù)權(quán)利要求1所述的非接觸式人體呼吸率與心率同步測量方法，其特征在于:所述 步驟S103中的盲源分離算法選擇基于二階統(tǒng)計量的SOBI算法。5. 根據(jù)權(quán)利要求1所述的非接觸式人體呼吸率與心率同步測量方法，其特征在于:所述 步驟S101中的2組RGB觀測信號選用0.15Hz的高通濾波。6.非接觸式人體呼吸率與心率同步測量系統(tǒng)，其特征在于：系統(tǒng)包括面部視頻獲取與 雙敏感區(qū)域選擇模塊(10)、觀測信號生成與預(yù)處理模塊(20)、多通道盲源分離模塊(30)、源 信號識別與生理參數(shù)提取模塊(40); 面部視頻獲取與雙敏感區(qū)域選擇模塊（10)用于拍攝人體面部視頻，再從視頻幀圖像中 選擇兩處敏感區(qū)域，分別為嘴部區(qū)域和咽喉部區(qū)域； 觀測信號生成與預(yù)處理模塊(20)用于對視頻中每一幀的選定雙敏感區(qū)的像素值，分別 使用相干平均法，生成2組RGB觀測信號，再對2組RGB觀測信號依次進(jìn)行0.15Hz高通濾波、去 趨勢、去均值、歸一化等4步預(yù)處理操作以抑制干擾噪聲，獲得較理想的觀測信號用于后續(xù) 分析； 多通道盲源分離模塊(30)用于對基于雙敏感區(qū)域生成的2組RGB觀測信號進(jìn)行6通道盲 源分離，以分離出呼吸信號和心率信號； 源信號識別與生理參數(shù)提取模塊(40)用于從盲源分離后的源信號中識別出呼吸信號 和心率信號，結(jié)合滑動窗算法提取出呼吸和心率。
【文檔編號】A61B5/0205GK105962915SQ201610404234
【公開日】2016年9月28日
【申請日】2016年6月2日
【發(fā)明人】衛(wèi)兵, 吳小培, 張超, 何璇, 呂釗, 張磊, 周蚌艷
【申請人】安徽大學(xué)