非接触式脉搏波信号的自适应重构方法技术

本发明专利技术涉及一种非接触式脉搏波信号的自适应重构方法，包括步骤：S10，从人脸图像中划分M个感兴趣区域ROI，计算ROI的R、G、B三个通道的像素平均值，并将其按照公式Cg

【技术实现步骤摘要】
非接触式脉搏波信号的自适应重构方法


[0001]本专利技术涉及生理信息测量
，具体设置一种非接触式脉搏波信号的自适应重构方法。

技术介绍

[0002]脉搏波信号是一种重要的生理信号，可用于心率、心率变异性、血压以及血氧饱和度等生理参数的测量。传统方法通过压力传感器或指夹式脉搏血氧仪来获取脉搏波，这些方法需要接触人体皮肤且需要专用设备，存在舒适性差、不卫生、应用场景受限(如烧伤患者、皮肤病患者的测量)等问题。远程光电容积描记术(remote photoplethysmography,rPPG)是一种利用光学原理实现非接触检测血管中血液容积变化的技术，其基本原理是：心脏跳动会导致血管中血容量呈周期性变化，因此毛细血管对光的吸收也会呈现周期性变化，进而使面部皮肤颜色发生微弱的改变，而这种改变可以通过普通摄像头(如网络摄像头)远程拍摄的面部视频捕捉到。利用计算机视觉、信号处理等技术来重构视频中隐藏的脉搏波信号，进而计算分析相应的生理参数。rPPG技术原理简单、设备成本低，能在日常生活中非接触并连续地实现人体生理参数测量，有效克服了接触式生理参数测量方法的不足，在远程医疗、特殊病人监护等领域具有广阔的应用前景。
[0003]虽然rPPG技术相比传统的接触式方法具有很多优势，但运动、环境光照等因素引入的大量干扰降低了此技术获取的脉搏波信号质量，严重制约了rPPG技术的发展和推广应用。传统基于rPPG的方法选择单个面部感兴趣区域(region of interest,ROI)计算像素均值，并利用RGB视频中G通道信号重构脉搏波，这样重构的信号容易受到面部遮挡、头部晃动、面部表情等因素造成的干扰。

技术实现思路

[0004]本专利技术的目的在于改善现有技术中所存在的重构的信号容易受到面部遮挡、头部晃动、面部表情等因素造成的干扰的问题，提供一种非接触式脉搏波信号的自适应重构方法。
[0005]为了实现上述专利技术目的，本专利技术实施例提供了以下技术方案：
[0006]非接触式脉搏波信号的自适应重构方法，其特征在于，包括以下步骤：
[0007]S10，从拍摄获得的人脸图像中检测出人脸位置，并在额头、脸颊、鼻梁位置划分M个感兴趣区域ROI，计算每一帧人脸图像中每一个ROI的R、G、B三个通道的像素平均值，将R、G、B三个通道的像素平均值按照公式Cg
′
＝G
‑
0.75
×
R
‑
0.25
×
B转换至Cg
′
通道，得到M个初始rPPG信号，式中R、G、B分别代表三个通道的像素平均值，M为大于1的整数；
[0008]S20，剔除初始rPPG信号的基线漂移；
[0009]S30，对剔除基线漂移后的初始rPPG信号进行分解，获得M组信号分量，每个ROI对应得到一组信号分量；
[0010]S40，将所述M组信号分量进行多集典型相关分析，计算得到多组典型变量，每组典
型变量包括M个典型分量，分别将各组典型变量中的M个典型变量求和，并保留前面至少两组典型变量的和作为待选脉搏波信号；
[0011]S60，基于设定的指标，从待选脉搏波信号中筛选出一个脉搏波信号作为重构所得的脉搏波信号。
[0012]优化的方案中，所述ROI为11个，其中额头划分4个ROI，两侧脸颊各划分3个ROI，鼻梁划分1个ROI。本实施方案中，在额头、鼻梁、左侧脸颊和右侧脸颊位置分别划分的ROI个数为4、1、3、3，多个ROI可以充分利用未受遮挡区域质量更好的信号，多个ROI更有可能提取出完整连续的rPPG信号。
[0013]优化的方案中，在剔除基线漂移时，若幅度值最大的主峰的频率小于1Hz且幅度值第二大的波峰的频率与主峰的幅值之比小于0.67，取参数α＝2500，若主峰的频率大于1Hz，取参数α＝1000。采用VME算法去除rPPG信号基线漂移的处理中，仅需要设置一个估计的中心频率即可提取感兴趣的信号分量，能有效避免模态混叠，计算效率高，且具有更好的自适应性，而且按照上述方式确定参数α，可以进一步提高基线漂移的剔除效果。
[0014]优化的方案中，所述步骤S30中，对剔除基线漂移后的初始rPPG信号进行分解，获得多组信号分量，包括：
[0015]设定变分模态提取VME分解的频率范围为[0.7,4Hz]，τ＝0.001，α＝5000，中心频率为rPPG信号在[0.7,4Hz]内的主频率；
[0016]利用VME算法对剔除基线漂移后的初始rPPG信号进行一次分解，得到提取的期望模态和剩余分量；
[0017]将每次VME分解后的剩余分量作为新的待分解信号再次进行VME分解，循环执行VME分解过程，直至信号能量达到收敛标准时停止迭代，每次分解所得的期望模态即为一个信号分量。
[0018]采用上述方案针对rPPG信号进行分解，整个分解过程根据信号的能量以及信号的质量自适应进行，能够实现精准、高效的信号分解。
[0019]优化的方案中，所述步骤S30中，收敛标准为其中，R是表征主峰的幅度值明显程度的指标，R∈(0,1]；P
i
代表信号在频带[0.7,4Hz]内的按幅度值从大到小排序序号为i的幅度值，当i＜5且存在时，N＝i，否则N＝5；E
r
代表信号被分解后在频带[0.7,4Hz]内残余信号的能量，E
s
表示初始被分解信号在该频带[0.7,4Hz]内的总能量。本方案，收敛条件使得在信号质量较好时进行较少次数的模态提取以避免过度分解，而在信号质量较差时保证了信号被充分分解，这样提升了算法的效率和精度。根据rPPG信号的质量和能量确定了分解的收敛标准，信号分解过程具有自适应、效率高以及精度高的特点，还可以避免传统算法存在的模态混叠和依赖经验参数的不足。
[0020]优化的方案中，在所述步骤S60之前还包括步骤S50，设定搜索范围为[5000,15000]，步长为5000，更新α，并重复执行步骤S30和步骤S40，直到完成搜索。除了MCCA结果中不同排序的典型变量会影响脉搏信号提取以外，PVME算法的分解效果也会影响MCCA结果的准确性，本方案采用循环迭代的方式搜索α的最优值，可以使得PVME算法获得更优的信号分解效果。
[0021]优化的方案中，所述步骤S60中，所述指标包括波形因子、峰值因子和心率标准差，其中，波形因子为峰值因子为是信号的均方根值，是信号的整流平均值，n表示信号长度，x
i
表示信号第i点的值；v
peak
表示信号峰值；
[0022]利用不同大小的滑动窗在待选脉搏波信号上滑动计算心率，并计算得到的所有心率值的标准差，此标准差即为心率标准差D
hr
；
[0023]将F
form
‑
1.11、1/C
crest
以及D
hr
分别归一化至[0,1]，然后将分别归一化后的三个指标直接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.非接触式脉搏波信号的自适应重构方法，其特征在于，包括以下步骤：S10，从拍摄获得的人脸图像中检测出人脸位置，并在额头、脸颊、鼻梁位置划分M个感兴趣区域ROI，计算每一帧人脸图像中每一个ROI的R、G、B三个通道的像素平均值，将R、G、B三个通道的像素平均值按照公式Cg
′
＝G
‑
0.75
×
R
‑
0.25
×
B转换至Cg
′
通道，得到M个初始rPPG信号，式中R、G、B分别代表三个通道的像素平均值，M为大于1的整数；S20，剔除初始rPPG信号的基线漂移；S30，对剔除基线漂移后的初始rPPG信号进行分解，获得M组信号分量，每个ROI对应得到一组信号分量；S40，将所述M组信号分量进行多集典型相关分析，计算得到多组典型变量，每组典型变量包括M个典型分量，分别将各组典型变量中的M个典型变量求和，并保留前面至少两组典型变量的和作为待选脉搏波信号；S60，基于设定的指标，从待选脉搏波信号中筛选出一个脉搏波信号作为重构所得的脉搏波信号。2.根据权利要求1所述的非接触式脉搏波信号的自适应重构方法，其特征在于，所述ROI为11个，其中额头划分4个ROI，两侧脸颊各划分3个ROI，鼻梁划分1个ROI。3.根据权利要求1所述的非接触式脉搏波信号的自适应重构方法，其特征在于，所述步骤S20中，利用变分模态提取VME算法剔除初始rPPG信号的基线漂移。4.根据权利要求3所述的非接触式脉搏波信号的自适应重构方法，其特征在于，在剔除基线漂移时，若幅度值最大的主峰的频率小于1Hz且幅度值第二大的波峰的频率与主峰的幅值之比小于0.67，取参数α＝2500，若主峰的频率大于1Hz，取参数α＝1000。5.根据权利要求1
‑
4任一所述的非接触式脉搏波信号的自适应重构方法，其特征在于，所述步骤S30中，对剔除基线漂移后的初始rPPG信号进行分解，获得多组信号分量，包括：设定变分模态提取VME分解的频率范围为[0.7,4Hz]，τ＝0.001，α＝5000，中心频率为rPPG信号在[0.7,4Hz]内的主频率；利用VME算法对剔除基线漂移后的初始rPPG信号进行一次分解，得到提取的期望模态和剩余分量；将每次VME分解后的剩余分量作为新的待分解信号再次进行VME分解，循环执行VME分解过程，直至信号能量达到收敛标准时停止迭代，每次分解所得的期望模态即为一个信号分量。6.根据权利要求5所述的非接触式脉搏波信号的自适应重构方法，其特征在于，所述步骤S30中，收敛标准为其中，R是表征主峰的幅度值明显程度的指标，R∈(0,1]；P
i
代表信号在频带[0.7,...

【专利技术属性】
技术研发人员：郑秀娟，刘伯相，颜文琴，武岳，
申请(专利权)人：四川大学，
类型：发明
国别省市：