一种基于红外热像仪的非接触式呼吸率检测方法技术

本发明专利技术涉及非接触式呼吸率测量技术领域，特别涉及一种基于红外热像仪的非接触式呼吸率检测方法，包括：(1)采集人脸至少包含鼻子区域的红外图像序列作为训练集；(2)标记训练集中人脸红外图像中的鼻孔区域，记作ROI；(3)将标记得到的参数用深度学习YOLO V3方法进行模型训练；(4)采集待测量的人脸红外图像序列作为测量集，用训练得到的模型检测测量集中的每一帧图像，输出定位的ROI坐标，计算每一帧图像定位ROI区域的温度平均值，得到温度随时间变化的曲线；(5)使用低通滤波器对曲线进行滤波；(6)计算得到呼吸率；本发明专利技术使用红外热像仪作为测量设备，能够直接获取温度数值，并且具有相当高的精度，大大提高了测量的准确性。大大提高了测量的准确性。大大提高了测量的准确性。

【技术实现步骤摘要】
一种基于红外热像仪的非接触式呼吸率检测方法


[0001]本专利技术涉及非接触式呼吸率测量
，特别涉及一种基于红外热像仪的非接触式呼吸率检测方法。

技术介绍

[0002]在人体的各项生理指标中，呼吸率作为评价呼吸疾病的基本指标之一，是判断呼吸功能障碍的重要指标。医学上，有些疾病会引起呼吸障碍，这些疾病就可以通过呼吸频率异常检测出来。RR(Respiration Rate)值与哮喘、呼吸暂停、呼吸碱中毒等病症紧密关联，该值也可用于预测肺炎或下呼吸道感染，RR值大于27bpm还是心脏骤停的重要预测因子。
[0003]目前来说，呼吸率的检测手段主要还是接触式测量方法，例如使用温度传感器进行呼吸率测量，将热敏电阻放置在人体的鼻腔内，利用呼吸时引起的温度变化来测量呼吸率；也有使用可穿戴设备对新生儿的呼吸率进行检测的方法；光体积描述技术(PPG)是通过近红外辐射的吸收或者散射来测量呼吸率的，这种设备需要夹在检测者的耳垂、拇指上。这些接触式测量手段都无法避免这样一个问题，那就是会对被检测者带来不适，甚至造成皮肤的伤害，这一点在对新生儿的检测上尤为突出。
[0004]为了克服接触式测量的缺点，许多研究人员开始研究非接触式测量方法来进行呼吸率的测量。目前，非接触式呼吸率测量方法主要有以下几种：第一种是使用雷达生命体征监测(RVSM)，这是一种基于多普勒现象监测呼吸引起的胸部运动的方法，这种方法的缺点是运动伪影会破坏呼吸信号，需要使用专门的频率滤波器来分离它们；第二种是基于Kinect摄像头提取深度特征来实现呼吸率测量，使用Microsoft Kinect V2深度传感器获取人体胸腔区域的深度图像，由于呼吸会引起胸腔周期性地起伏，因此深度数据的变化周期代表了呼吸的周期，从而实现呼吸率的测量；第三种是使用红外热像仪监测由呼吸引起的鼻孔区域温度变化，温度的周期性变化就代表了呼吸信号，可以实现呼吸率的测量。IRT(Infrared Thermography)是一种非破坏性、非侵入性、最重要的是非接触性的方法，它还具有可以在完全黑暗的环境下工作的额外优势。
[0005]Ramya Murthy和Ioannis Pavlidis提出一种使用红外热像仪测量呼吸率的方法。该方法首先设计了GUI(图形用户界面)，利用GUI手动选择鼻腔区域，并且提供了移动ROI的功能。由于呼吸信号热特征不强，因此采用Otsu自适应阈值化、差分红外热像技术来增强呼吸热特征。之后采用基于多正态分布的统计方法、矩量法和Jeffrey散度测度法进行呼吸信号的处理，实现了呼吸率的测量。但是该方法在ROI跟踪上有着局限，需要手动选择ROI，不利于呼吸率的自动测量。

技术实现思路

[0006]本专利技术的目的在于克服现有技术中的不足，提供一种基于红外热像仪的非接触式呼吸率检测方法，该方法可以稳定可靠的实现呼吸率的非接触式测量。
[0007]为了实现上述目的，本专利技术采用以下技术方案予以实现：
[0008]一种基于红外热像仪的非接触式呼吸率检测方法，所述方法包括以下步骤：
[0009](1)使用红外热像仪采集人脸至少包含鼻子区域的红外图像序列，该红外图像序列作为训练集；
[0010](2)标记训练集中人脸红外图像中的鼻孔区域，将此区域设置为感兴趣区域，具体是Region of Interest，记作ROI；
[0011](3)将标记得到的参数用深度学习YOLO V3方法进行模型的训练；
[0012](4)针对呼吸率的测量，使用红外热像仪采集待测量的人脸红外图像序列，该红外图像序列作为测量集，用训练得到的模型检测所述测量集中的每一帧图像，输出每一帧图像定位的ROI坐标，计算每一帧图像定位ROI区域的温度平均值，得到温度随时间变化的曲线；
[0013](5)使用低通滤波器对所述曲线进行滤波，得到稳健的呼吸波形；
[0014](6)计算所述呼吸波形中单位时间内的波峰数目，得到呼吸率。
[0015]在进一步的技术方案中，步骤(2)中具体是使用图像标记软件对所述训练集中的图像进行标记，标记时从左向右、自上而下标记，标记后生成xml标记文件。
[0016]在进一步的技术方案中，步骤(3)具体包括以下步骤：
[0017](3.1)使用YOLO V3工程中的文本转换脚本将步骤(2)生成的xml标记文件转换成文本文件，所述文本文件包含标记类别、标记框对角线的坐标、标记框的宽度和高度等参数；
[0018](3.2)运行YOLO V3工程中的label标签生成脚本，生成data数据文件、cfg配置文件以及weight权重文件；
[0019](3.3)读取上述运行label标签生成脚本生成的文件中的信息进行训练，通过多次的卷积、最大池化以及上采样和融合步骤完成模型的训练。
[0020]在进一步的技术方案中，步骤(4)具体包括以下步骤：
[0021](4.1)首先将所述测量集中的每一帧图像划分为S
×
S的网格，所述S的值根据所述数据集类型确定，如果一个对象的中心落在一个网格单元中，该网格单元负责检测该对象；
[0022]每个网格单元预测边界框和边界框的置信值，例如预测B个边界框和这些边界框的置信度，所述B的值根据需要来确定；这些信心分数反映了模型对网格包含一个物体的信心程度，以及模型认为网格对其预测的准确性；
[0023]使用来确定置信值；其中，Pr(Object)表示候选框中是否包含目标，若包含则Pr(Object)为1，若不包含则为0；表示候选框与真实框的面积交并比，如果该单元格中不存在任何对象，则置信度分数应为0，否则置信度等于预测框和真实框之间的交集；
[0024](4.2)网格单元的每个候选框中包含了五个预测值，分别为：t
x
，t
y
，t
w
，t
h
和t
o
；其中，其中t
x
和t
y
为候选框的中心坐标，t
w
和t
h
为预测框的宽和高，t
o
为置信度；
[0025]假设该网格单元左上角与图像左上角距离的宽高分别为(C
x
，C
y
)，该网格单元中对应候选框的宽高分别为(P
w
，P
h
)，则预测值可以表示为：
[0026]b
x
＝σ(t
x
)+C
x
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0027]b
y
＝σ(t
y
)+C
y
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0028][0029][0030]Pr(Object)
×
IOU(b,Object)＝σ(t
o
)
ꢀꢀꢀꢀ
(5)<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外热像仪的非接触式呼吸率检测方法，其特征在于，所述方法包括以下步骤：(1)使用红外热像仪采集人脸至少包含鼻子区域的红外图像序列，该红外图像序列作为训练集；(2)标记训练集中人脸红外图像中的鼻孔区域，将此区域设置为感兴趣区域，记作ROI；(3)将标记得到的参数用深度学习YOLO V3方法进行模型的训练；(4)针对呼吸率的测量，使用红外热像仪采集待测量的人脸红外图像序列，该红外图像序列作为测量集，用训练得到的模型检测所述测量集中的每一帧图像，输出每一帧图像定位的ROI坐标，计算每一帧图像定位ROI区域的温度平均值，得到温度随时间变化的曲线；(5)使用低通滤波器对所述曲线进行滤波，得到稳健的呼吸波形；(6)计算所述呼吸波形中单位时间内的波峰数目，得到呼吸率。2.根据权利要求1所述的方法，其特征在于，步骤(2)中具体是使用图像标记软件对所述训练集中的图像进行标记，标记时从左向右、自上而下标记，标记后生成xml标记文件。3.根据权利要求1所述的方法，其特征在于，步骤(3)具体包括以下步骤：(3.1)使用YOLO V3工程中的文本转换脚本将步骤(2)生成的xml标记文件转换成文本文件，所述文本文件包含标记类别、标记框对角线的坐标、标记框的宽度和高度；(3.2)运行YOLO V3工程中的label标签生成脚本，生成data数据文件、cfg配置文件以及weight权重文件；(3.3)读取上述运行label标签生成脚本生成的文件中的信息进行训练，通过多次的卷积、最大池化以及上采样和融合步骤完成模型的训练。4.根据权利要求1所述的方法，其特征在于，步骤(4)具体包括以下步骤：(4.1)首先将所述测量集中的每一帧图像划分为S
×
S的网格，所述S的值根据所述数据集类型确定，每个网格单元预测边界框和边界框的置信值，使用来确定置信值；其中，Pr(Object)表示候选框中是否包含目标，若包含则Pr(Object)为1，若不包含则为0；表示候选框与真实框的面积交并比，如果该单元格中不存在任何对象，则置信度分数应为0，否则置信度等于预测框和真实框之间的交集；(4.2)网格单元的每个候选框中包含了五个预测值，分别为：t
x
，t
y
，t
w
，t
h
和t
o
；其中，其中t
x
和t
y
为候选框的中心坐标，t
w
和t
h
为预测框的宽和高，t
o
为置信度；假设该网格单元左上角与图像左上角距离的宽高分别为(C
x
，C

【专利技术属性】
技术研发人员：舒双宝，梁华俊，王子艺，张宇，张育中，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：