本发明专利技术公开了一种基于光流法与LMS算法消除生命体征检测中体动影响的方法，包括以下步骤：从雷达传感器采集的回波信号中获取生命体征信号，并从该信号中提取呼吸信号和心跳信号；通过视频传感器采集待测对象的视频图像，并选取ROI区域；通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，并根据所得光流矢量求取待测对象相对于雷达传感器的位置变化；根据位置变化，利用LMS算法消除待测对象的体动，从而获得更优的生命体征信号。本发明专利技术通过单个雷达传感器与视频传感器结合实现，成本低；同时通过光流法和LMS算法结合能有效消除由人体随机运动产生的影响，无需在待测对象身上附加额外测试装置且不会引起其不适感，方法有效可行且性能可靠。
A Method of Eliminating Body Motion in Vital Sign Detection Based on Optical Flow Method and LMS Algorithms
【技术实现步骤摘要】
基于光流法与LMS算法消除生命体征检测中体动影响的方法
本专利技术属于生命体征监测领域，特别是一种基于光流法与LMS算法消除生命体征检测中体动影响的方法。
技术介绍
自20世纪70年代以来，多普勒雷达生命体征检测的研究越来越受到人们的重视，人们可以通过多普勒雷达以非接触的方式检测被测者的呼吸和心跳。尽管在过去的几十年里，人们为发展这项技术做了许多研究，并且克服了许多困难，但在多普勒雷达探测中，随机体运动仍然是难以解决的问题。通常在生命体征检测过程中，人们的随机体运动频率会覆盖呼吸与心跳的频率，加之体动幅度往往远大于呼吸和心跳带来的胸腔起伏，单纯使用滤波器进行信号处理提取呼吸心跳是十分难以实现的。而由于不可预测性的存在，在现实生活中，随机体运动对多普勒雷达生命体征的检测会产生不可避免的影响。现有的去体动方法主要包括使用经验模态分解(EMD)方法来去除受试者体动干扰的方法，但该方法更适用于运动模式分类，对于与呼吸心跳频率相近的体动，去除效果不佳；多雷达传感器阵列，要求受试者在两个雷达传感器之间移动身体，这种方法依赖于基带信号，同时使用多个雷达传感器会使系统的复杂度与成本大幅上升；另外，还有一种基于注射锁定雷达阵列的系统来消除身体随机运动，但是该系统需要扫掠雷达的载频或调整目标位置，整体过程十分复杂。系统成本和复杂度制约了上述方法的发展，实现高准确度同时复杂度与成本较低的去体动是目前该领域面临的一个重大挑战。
技术实现思路
本专利技术的目的在于提供一种高准确度、低复杂度与低成本的生命体征检测体动消除方法。实现本专利技术目的的技术解决方案为：基于光流法与LMS算法消除生命体征检测中体动影响的方法，包括以下步骤：步骤1、从雷达传感器采集的回波信号中获取生命体征信号，并从该信号中提取呼吸信号和心跳信号；步骤2、通过视频传感器采集待测对象的视频图像，并选取ROI区域；步骤3、通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，并根据所得光流矢量获取待测对象相对于雷达传感器的位置变化；步骤4、根据步骤3获得的位置变化，利用LMS算法消除待测对象的体动，从而获得更优的生命体征信号。本专利技术与现有技术相比，其显著优点为：1)通过单个雷达传感器与视频传感器结合实现，成本较低；2)利用光流法获取人体相对雷达传感器位置信息，进而得到体动信息，获得的数据更加精准，并且通过LMS算法将视频获得的体动信息补偿到雷达传感器获得的生命体征信号中，能有效消除由人体随机运动产生的影响；3)选取ROI区域时，适当的缩小光流检测框，能有效降低计算量，进而提高数据处理速度；4)生命体征检测过程中，待测对象无需在身上附加额外测试装置，无需保持静止不动，且不会引起待测对象的不适感。下面结合附图对本专利技术作进一步的描述。附图说明图1为本专利技术基于光流法与LMS算法消除生命体征检测中体动影响的方法的流程图。图2为本专利技术中利用光流法计算待测对象相对于雷达传感器的位置变化信息的流程图。图3为本专利技术中体动检测流程图。图4为本专利技术中LMS算法矢量信号流程图。图5为本专利技术实施例中雷达传感器与光流法计算后得到的信号波形示意图。图6为本专利技术实施例中未去体动呼吸信号频谱图与呼吸参考频谱图对照结果图。图7为本专利技术实施例中已去体动呼吸信号频谱图与呼吸参考频谱图对照结果图。具体实施方式结合图1，本专利技术基于光流法与LMS算法消除生命体征检测中体动影响的方法，包括以下步骤：步骤1、从雷达传感器采集的回波信号中获取生命体征信号，并从该信号中提取呼吸信号和心跳信号；步骤2、通过视频传感器采集待测对象的视频图像，并选取ROI区域；步骤3、通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，并根据所得光流矢量获取待测对象相对于雷达传感器的位置变化；步骤4、根据步骤3获得的位置变化，利用LMS算法消除待测对象的体动，从而获得更优的生命体征信号。示例性优选地，步骤1中从雷达传感器采集的回波信号中获取生命体征信号，具体为：通过反正切解调算法从雷达传感器采集的回波信号中获取生命体征信号。示例性优选地，步骤1中从生命体征信号中提取呼吸信号和心跳信号，具体为：通过0.15Hz-0.7Hz的带通滤波器提取呼吸信号，该频段可以覆盖人体正常呼吸范围12-20次/分钟(即0.2-0.33Hz)；通过0.8Hz-4Hz的带通滤波器提取心跳信号，该频段可以覆盖人体正常心跳范围50-90次/分钟(即0.83-1.5Hz)。进一步地，步骤2所述选取ROI区域，具体为：步骤2-1、对视频图像进行人脸检测，获得人脸检测框；步骤2-2、将人脸检测框移动至待测对象的胸口位置，此时检测框中的区域即为ROI区域。示例性优选地，步骤2-1中具体结合Adaboost算法和基于局部直方图的归一化算法进行人脸检测。更进一步地，步骤2-2之后还需执行：步骤2-3、保证检测框覆盖胸腔中心位置的前提下缩小检测框的尺寸。示例性优选地，步骤3中的光流法具体采用LK法。进一步地，结合图2，步骤3中通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，具体为：步骤3-1、建立亮度模式表达式：I(x(t),y(t),t)＝I(x(t+dt),y(t+dt),t+dt)式中，I(x(t),y(t),t)为ROI区域中t时刻(x,y)坐标点处像素点的亮度，t为视频传感器对待测对象的探测时间点，dt为时间变化量；步骤3-2、利用泰勒级数逼近法对步骤3-1中公式等式的右侧进行处理，除去常数项并除以dt，获得光流约束方程：Ixu+Iyv+It＝0式中，Ix、Iy均表示随空间位置变化的图像亮度的分量，It表示随时间变化的图像亮度的分量；该(x,y)处像素点的光流矢量在x、y方向的分量分别为：步骤3-3、利用LK法求解u、v的光学矢量方程，建立如下方程：Ix(p1)v+Iy(p1)u＝-It(p1)Ix(p2)v+Iy(p2)u＝-It(p2)...Ix(pn)v+Iy(pn)u＝-It(pn)式中，pi为ROI区域的任意像素，i＝1,2,...,n；步骤3-4、令将步骤3-3中的公式简化为：A·V＝b由此求得光流矢量V为：进一步地，结合图3，步骤3所述根据所得光流矢量求取待测对象相对于雷达传感器的位置变化，具体为：步骤3-5、根据步骤3-4获得的光流矢量V，获取检测径向运动的光流矢量特征向量，包括：a、用于区分静止与运动状态的第一组特征向量，其由每一帧图像ROI区域光流矢量大小的均值构成；运动状态的均值E运大于静止状态的均值E静；b、用于区分径向运动与平移运动的第二组特征向量，其由每一帧图像ROI区域光流矢量方向的方差构成；径向运动的方差std径大于平移运动的方差std平；步骤3-6、对步骤3-5获得的每组特征向量进行滑窗处理；步骤3-7、对两组特征向量分别进行归一化处理获得对应的阈值T1、T2，作为径向运动的双重判决门限；步骤3-8、进行双重判决，第一层判决：若某一帧图像的第一个特征向量值大于第一个判决门限T1，则该图像帧判决为运动，否则判决为静止；第二层判决，当某一图像帧已经被判决为运动，若该图像帧的第二个特征向量值大于第二个判决门限T2，则该图像帧判决为发生径向运动，否则为发生平移运动；步骤3-9、根据步骤3-8的判决结果，记录径向运动发生的起始时本文档来自技高网...
【技术保护点】
1.一种基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，包括以下步骤：步骤1、从雷达传感器采集的回波信号中获取生命体征信号，并从该信号中提取呼吸信号和心跳信号；步骤2、通过视频传感器采集待测对象的视频图像，并选取ROI区域；步骤3、通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，并根据所得光流矢量获取待测对象相对于雷达传感器的位置变化；步骤4、根据步骤3获得的位置变化，利用LMS算法消除待测对象的体动，从而获得更优的生命体征信号。
【技术特征摘要】
1.一种基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，包括以下步骤：步骤1、从雷达传感器采集的回波信号中获取生命体征信号，并从该信号中提取呼吸信号和心跳信号；步骤2、通过视频传感器采集待测对象的视频图像，并选取ROI区域；步骤3、通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，并根据所得光流矢量获取待测对象相对于雷达传感器的位置变化；步骤4、根据步骤3获得的位置变化，利用LMS算法消除待测对象的体动，从而获得更优的生命体征信号。2.根据权利要求1所述的基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，步骤1所述从雷达传感器采集的回波信号中获取生命体征信号，具体为：通过反正切解调算法从雷达传感器采集的回波信号中获取生命体征信号。3.根据权利要求1或2所述的基于光流法与LMS算法消除生命体征检测中体动影响的方法，步骤1所述从生命体征信号中提取呼吸信号和心跳信号，具体为：通过0.15Hz-0.7Hz的带通滤波器提取呼吸信号，通过0.8Hz-4Hz的带通滤波器提取心跳信号。4.根据权利要求3所述的基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，步骤2所述选取ROI区域，具体为：步骤2-1、对视频图像进行人脸检测，获得人脸检测框；步骤2-2、将人脸检测框移动至待测对象的胸口位置，此时检测框中的区域即为ROI区域。5.根据权利要求4所述的基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，步骤2-2之后还需执行：步骤2-3、保证检测框覆盖胸腔中心位置的前提下缩小检测框的尺寸。6.根据权利要求5所述的基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，步骤2-1所述对视频图像进行人脸检测具体为：结合Adaboost算法和基于局部直方图的归一化算法进行人脸检测；步骤3中的光流法具体采用LK法。7.根据权利要求6所述的基于光流法与LMS算法消除生命体征检测中体动影响的方法，其特征在于，步骤3所述通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，具体为：步骤3-1、建立亮度模式表达式：I(x(t),y(t),t)＝I(x(t+dt),y(t+dt),t+dt)式中，I(x(t),y(t),t)为ROI区域中t时刻(x,y)坐标点处像素点的亮度，t为视频传感器对待测对象的探测时间点，dt为时间变化量；步骤3-2、利用泰勒级数逼近法对步骤3-1中公式等式的右侧进行处理，除去常数项并除以dt，获得光流约束方程：Ixu+Iyv+It＝0式中，Ix、Iy均表示随空间位置变化的图像亮度的分量，It表示随时间变化的图像亮度的分量；该(x,y)处像素点的光流矢量在x、y方向的分量分别为：步骤3-3、利用LK法求解u、v的光学矢量方程，建立如下方程：Ix(p1)v+Iy(p1)u＝-It(p...
【专利技术属性】
技术研发人员：洪弘，张宏宇，顾陈，李彧晟，孙理，朱晓华，肖雅萌，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。