【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 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
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
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:
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。