專利名稱：基于視頻圖像的非接觸式生命體征的檢測方法及檢測系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及到家庭保健系統(tǒng)、醫(yī)用監(jiān)護系統(tǒng)以及動物健康檢測系統(tǒng)，尤其涉及一種基于視頻圖像的非接觸式生命體征的檢測方法及系統(tǒng)，以檢測人體和/或動物的心率、 呼吸以及心率變化等生命體征。
背景技術：
非接觸式生命體征(包括心率、呼吸等)檢測方法及檢測設施由于其方便性、安全性以及靈活性，受到業(yè)界廣泛關注。目前已有的非接觸式心率和呼吸檢測技術主要包括如下的多普勒雷達探測式和序列圖像采集式兩種。
1.多普勒雷達探測式多普勒雷達式非接觸測量方法對心跳和呼吸造成的人體體表微動進行探測，進而獲取人體心率與呼吸信息。多普勒雷達式探測系統(tǒng)由控制器、超寬頻信號發(fā)送器以及偵測接收返回信號的接收器組成。發(fā)射機發(fā)射的電磁波照射到人體后，受到人體體表微動的多普勒調(diào)制；接收機對后向散射回波做相干處理，檢測出回波中的多普勒信息，經(jīng)放大、濾波等信號處理技術最終獲得人體的心跳和呼吸信息。
由于多普勒雷達式檢測方法的測量原理是感知人體體表的微生理運動，因而對身體運動和周圍環(huán)境變化極其敏感。此外，多普勒雷達式探測系統(tǒng)的構(gòu)造復雜、造價昂貴，主要用于地震災害、塌方事故等緊急人員搶救以及警方人質(zhì)救援等特殊場合，不適于在日常生活中普及應用。
2.序列圖像采集式當光束照射到皮膚表面時，皮膚內(nèi)的血液對光束產(chǎn)生吸收衰減作用，并且衰減量取決于血容積的多寡。在心臟搏動作用下，皮膚內(nèi)動脈血管的血容積發(fā)生變化，照射光束衰減量相應呈現(xiàn)波動性變化，因而可以通過攝像頭探測皮膚反射光強變化(即圖像亮度值變化)間接得出生物體心跳信息。
基于上述原理，目前國際上Takano和Ohta報道了一種利用延時序列圖像測量心跳和呼吸的方法。該方法用CCD相機連續(xù)采集30秒的人臉圖像，在圖像中手動截取人體臉頰部位特定區(qū)域，求取每幀圖像中臉頰特定區(qū)域的平均亮度值，將得到的一組亮度時間序列信號依次進行一階差分、低通濾波和AR模型功率譜分析，所得功率譜中兩個顯著的峰值分別對應心跳和呼吸頻率。
國內(nèi)也有人提出一種基于紅外序列圖像的心率無損檢測方法。該方法首先通過紅外動態(tài)圖像采集系統(tǒng)采集受試者圖像，手動截取受試者太陽穴處圖像，采用重心法提取出時間序列信號，再通過一階差分、低通濾波和AR模型功率譜分析等一系列步驟實現(xiàn)心率的無損檢測。
上述方法的局限性表現(xiàn)在以下幾方面1)不能自動捕獲跟蹤人體臉頰區(qū)域，只能在完成圖像采集后，通過人為手動截取ROI區(qū)域，屬離線處理方式，無法實時給出測量結(jié)果。2)圖像信號易受到照明光源的強度噪聲和分布噪聲、探測器噪聲以及待測目標移動噪聲的影響，因而需要從混有噪聲的圖像信號中檢測出微弱的心跳和呼吸信號。采用單組觀測信號進行濾波處理的方式，其去噪和抗噪能力有限，當噪聲較強時，將導致檢測結(jié)果誤差升高，甚至無法完成檢測?；眯枰B續(xù)累積30秒鐘的測試時間，因而僅能給出心率和呼吸在30秒內(nèi)的平均值，無法反映出心率和呼吸的實時變化。
本發(fā)明克服了現(xiàn)有技術中非接觸式生命體征檢測系統(tǒng)的裝置結(jié)構(gòu)復雜、造價昂貴、不適用于日常生活等缺陷，以及檢測方法的不能進行實時測量、去噪及抗噪能力差、檢測時間長且不能反映生命體征的實時變化等缺陷，本發(fā)明檢測方法及系統(tǒng)具有快速、實時、 多目標同時檢測、可實現(xiàn)連續(xù)監(jiān)測、魯棒性強、低成本以及適用范圍廣等優(yōu)點。發(fā)明內(nèi)容
本發(fā)明提供一種基于視頻圖像的非接觸式生命體征的檢測方法，包括 步驟一，按固定幀頻連續(xù)采集待測目標的視頻圖像，自動檢測圖像中的ROI區(qū)域， 步驟二，從所述ROI區(qū)域劃分出的多通道信號中分離出生命體征信號，步驟三，提取出所述生命體征信號的頻率并將所述頻率轉(zhuǎn)換為所述生命體征，獲得檢測結(jié)果。
其中，所述生命體征信號的頻率包括心跳信號的頻率/和呼吸信號的頻率/1 ；所述生命體征包括心率、呼吸。當所述生命體征為心率時，所述ROI區(qū)域為待測目標的皮膚區(qū)域；當所述生命體征為呼吸頻率時，所述ROI區(qū)域為待測目標的胸腔或腹部位置。
本發(fā)明檢測方法同時檢測多個待測目標。
本發(fā)明檢測方法以2-3個信號周期為最小測試時長提取所述生命體征信號的頻率。
當所述ROI區(qū)域劃分出的多通道信號的歸一化時間序列信號幅度同時超過4時， 判定此時存在強擾動信號。通過將亮度變化閾值設置為4，實現(xiàn)將所述強擾動信號剔除。
步驟二中分離生命體征信號包括以下步驟將所述ROI區(qū)域的圖像進行多通道劃分，計算各個通道的空間平均值以形成原始時間序列信號，將所述原始時間序列信號的基線漂移濾除并歸一化處理后，通過盲源分離法分離出與原始時間序列信號維數(shù)相同的獨立分量；其中，所述獨立分量包括生命體征信號和噪聲。其中，所述盲源分離法包括最大信息量法、自然梯度法、自適應法、快速獨立元分析法、矩陣特征值分解法。
其中，在所述原始時間序列信號的基線漂移濾除并歸一化處理后，根據(jù)所述ROI 區(qū)域圖像亮度的變化幅度判定并剔除強擾動信號。
在本發(fā)明檢測方法中，當出現(xiàn)所述的強擾動信號時，可以重新自步驟一開始新的檢測。
步驟三中提取出生命體征信號的頻率包括以下步驟對盲源分離法得到的所述獨立分量進行信號平滑處理，將與生命特征信號對應的獨立分量作為源信號分量，然后通過周期信號頻率檢測法提取所述源信號分量的頻率，獲得所述生命體征信號的頻率。
其中，所述源信號分量是所述獨立分量中自相關函數(shù)的主瓣能量占整體能量比重最小的獨立分量，或所述獨立分量中功率譜密度峰值最大的獨立分量。
其中，所述周期信號頻率檢測法包括雙譜分析法、小波變換法和多重自相關法。本發(fā)明中多重自相關法提取所述源信號分量的頻率的步驟為，對所述源信號分量進行多重自相關運算，進行頻譜分析，頻譜中的峰值功率點為所述生命體征信號的頻率。
其中，所述將生命體征信號的頻率轉(zhuǎn)換為生命體征是利用公式^^(^/及！^仙乂/！汾別得到每分鐘的心跳數(shù)HR和呼吸數(shù)Rs。
本發(fā)明還提供一種基于視頻圖像的非接觸式生命體征的檢測系統(tǒng)，其包括視頻圖像采集模塊(1)、自動檢測模塊(2)、信號分離模塊(3)、智能判決模塊(4)、信號頻率提取模塊(5)和顯示模塊(6)；其中，所述視頻圖像采集模塊(1)按固定幀頻連續(xù)采集圖像，并傳送給所述自動檢測模塊⑵；所述自動檢測模塊(2)自動實時檢測待測目標數(shù)量，并捕捉、跟蹤所述ROI區(qū)域； 所述信號分離模塊(3)實現(xiàn)生命體征信號和噪聲的分離；所述智能判決模塊(4)根據(jù)所述ROI區(qū)域圖像亮度的變化幅度判定并剔除強擾動信號；所述信號頻率提取模塊(5)從所述生命體征信號中提取出其頻率，并將其轉(zhuǎn)換為所述生命體征；所述顯示模塊(6)實時更新顯示所述信號頻率提取模塊(5)轉(zhuǎn)換的檢測結(jié)果。
本發(fā)明的目的是提供一種自動非接觸式心率和/或呼吸的檢測方法及檢測系統(tǒng)， 具有快速、實時、可實現(xiàn)連續(xù)監(jiān)測、魯棒性強、低成本以及適用范圍廣等特點，實現(xiàn)了對心率及呼吸的自動、實時、連續(xù)的非接觸式監(jiān)測。在心臟搏動作用下，皮膚內(nèi)動脈血管的血容積發(fā)生變化，使得皮膚反射光強呈現(xiàn)波動性變化，從而引起圖像亮度值的改變。呼吸會引起人體胸腔起伏，同時還將帶動人體肩部、頭部等身體部位移動，從而致使圖像上的亮度發(fā)生改變，因此，圖像亮度變化既包含心跳也包含呼吸信息。
本發(fā)明中，“2-3個信號周期”是指心臟搏動或呼吸完成2-3次。
本發(fā)明有益效果包括實現(xiàn)了多目標、多生命體征的同時測量。能夠在2-3個信號周期內(nèi)完成測量，實現(xiàn)了心率和呼吸等生命體征的快速測量。與一般的濾波法相比較，本發(fā)明檢測方法采用盲源分離的方法，能夠增加對干擾的抵抗度(照明光亮度變化和待測者小幅度移動等)，可以實現(xiàn)在不穩(wěn)定環(huán)境中進行測量，測試距離的范圍較大，不受短距離的限制。利用本發(fā)明檢測系統(tǒng)可在多種照明條件(自然光、室內(nèi)照明光源、低光照條件等)下實現(xiàn)全天候測量。本發(fā)明應用范圍廣泛，既適用于人體也適用于動物。


圖1為本發(fā)明基于視頻圖像的非接觸式生命體征檢測系統(tǒng)的總結(jié)構(gòu)示意圖。
圖2為本發(fā)明基于視頻圖像的非接觸式生命體征檢測系統(tǒng)的結(jié)構(gòu)示意圖。
圖3為本發(fā)明基于視頻圖像的非接觸式生命體征檢測系統(tǒng)的流程示意圖。
圖4為本發(fā)明基于視頻圖像的非接觸式生命體征的檢測系統(tǒng)示意圖。
圖5為單人測試實例中，心率檢測的R、G、B通道原始時間序列信號示意圖。
圖6為單人測試實例中，呼吸檢測的R、G、B通道原始時間序列信號示意圖。
圖7為單人測試實例中，心率檢測的歸一化時間序列信號示意圖。
圖8為單人測試實例中，呼吸檢測的歸一化時間序列信號示意圖。
圖9為單人測試實例中，心率檢測的ICA獨立分量示意圖。
圖10為單人測試實例中，呼吸檢測的ICA獨立分量示意圖。
圖11為單人測試實例中，心率檢測經(jīng)平化處理后的ICA獨立分量示意圖。
圖12為單人測試實例中，呼吸檢測經(jīng)平化處理后的ICA獨立分量示意圖。
圖13為單人測試實例中，心率檢測中各獨立分量的自相關函數(shù)示意圖。
圖14為單人測試實例中，呼吸檢測中各獨立分量的自相關函數(shù)示意圖。
圖15為單人測試實例中，心率檢測中所選獨立分量的三重自相關函數(shù)的頻譜圖。
圖16為單人測試實例中，呼吸檢測中所選獨立分量的三重自相關函數(shù)的頻譜圖。
圖17為兩人測試實例中，心率檢測的R、G、B通道原始時間序列信號示意圖。
圖18為兩人測試實例中，心率檢測的歸一化時間序列信號示意圖。
圖19為兩人測試實例中，心率檢測的ICA獨立分量示意圖。
圖20為兩人測試實例中，心率檢測經(jīng)平化處理后的ICA獨立分量示意圖。
圖21為兩人測試實例中，心率檢測中各獨立分量的自相關函數(shù)示意圖。
圖22為兩人測試實例中，心率檢測中所選獨立分量的三重自相關函數(shù)的頻譜圖。
圖23為豬測試實例中，心率檢測的R、G、B通道原始時間序列信號示意圖。
圖M為豬測試實例中，心率檢測的歸一化時間序列信號示意圖。
圖25為豬測試實例中，心率檢測的ICA獨立分量示意圖。
圖沈為豬測試實例中，心率檢測經(jīng)平化處理后的ICA獨立分量示意圖。
圖27為豬測試實例中，心率檢測中各獨立分量的自相關函數(shù)示意圖。
圖觀為豬測試實例中，心率檢測中所選獨立分量的三重自相關函數(shù)的頻譜圖。
具體實施方式
結(jié)合以下具體實施例和附圖，對本發(fā)明作進一步的詳細說明，本發(fā)明的保護內(nèi)容不局限于以下實施例。在不背離發(fā)明構(gòu)思的精神和范圍下，本領域技術人員能夠想到的變化和優(yōu)點都被包括在本發(fā)明中，并且以所附的權利要求書為保護范圍。
如圖1所示，本發(fā)明基于視頻圖像的非接觸式生命體征的檢測系統(tǒng)包括視頻圖像采集模塊1、自動檢測模塊2、信號分離模塊3、智能判決模塊4、信號頻率提取模塊5和顯示模塊6。待測目標為一個或多個。如圖2所示，信號分離模塊3包括心率信號分離模塊 3-1、呼吸信號分離模塊3-2。依據(jù)不同實際檢測目的，其他生命體征信號的分離模塊也可適用。信號頻率提取模塊5包括心跳頻率提取模塊5-1、呼吸節(jié)律提取模塊5-2。依據(jù)不同實際檢測目的，其他生命體征信號的信號頻率提取模塊也可適用。經(jīng)視頻圖像采集模塊1獲取的信號經(jīng)自動檢測模塊2、信號分離模塊3、智能判決模塊4、信號頻率提取模塊5的傳輸和處理得到檢測結(jié)果，經(jīng)顯示模塊6顯示檢測結(jié)果。
實施例1利用本發(fā)明基于視頻圖像的非接觸式生命體征的檢測方法，以單人作為檢測目標進行檢測，其過程如下獲取待測目標的視頻圖像如圖3所示，用視頻圖像采集模塊1按固定幀頻連續(xù)采集待測目標的視頻圖像。
本實施例中，如圖4所示，可采用羅技網(wǎng)絡攝像頭(型號C250)采集M位RGB真彩圖像，采集幀頻15fps，圖像分辨率640X480。本發(fā)明中，采集幀頻和圖像分辨率是越大越好，但是這兩項同時也受執(zhí)行速度制約，所以在實際應用時應根據(jù)具體情況分析確定。理論上來說，對于心率測試，7fps的幀頻可以測試到最高200bpm的心跳；對于呼吸測試，Ifps的幀頻可以測試最快30次/分鐘的呼吸。圖像分辨率不受限制。
自動檢測待測目標的數(shù)量和ROI區(qū)域如圖3、圖4所示，視頻圖像采集模塊1將所采集的圖像傳送給自動檢測模塊2后，自動檢測模塊2自動實時檢測待測目標數(shù)量，通過邊緣輪廓檢測進行自動人體上身輪廓識別， 由上身輪廓個數(shù)確定待測目標數(shù)量為單個。自動檢測模塊2動態(tài)捕獲、跟蹤測試感興趣區(qū)域(ROI)。由于呼吸引起的胸腔和腹部運動幅度最大，因而在本實例將待測目標胸腔位置作為呼吸檢測的ROI區(qū)域。自動檢測模塊2通過邊緣輪廓檢測自動確定胸腔位置。
檢測心率時，心率檢測的ROI區(qū)域為待測目標裸露在外的皮膚區(qū)域，通過膚色檢測或人臉檢測實現(xiàn)對心率ROI區(qū)域的自動識別和動態(tài)跟蹤。對于每個待測目標，自動檢測模塊2分別將其上身輪廓區(qū)域內(nèi)的像素從RGB空間轉(zhuǎn)換到Y(jié)CbCr空間進行膚色識別，自動檢測出每個待測目標裸露在外的皮膚區(qū)域作為其心率檢測的ROI區(qū)域。
本發(fā)明對心率和呼吸等生命體征的測量，除上述選擇的ROI區(qū)域不同外，后續(xù)處理步驟一致。
分離生命體征信號和噪聲，同時自動識別并剔除強擾動信號如圖1-3所示，信號分離模塊3實現(xiàn)信號和噪聲的分離。檢測過程中，圖像信號易受到照明光源的強度噪聲和分布噪聲、探測器噪聲以及待測目標移動噪聲的影響，為了將微弱的心跳或呼吸信號從混有復雜噪聲的圖像信號中恢復出來，現(xiàn)有技術中直接采用濾波降噪的方法，但該方法效果有限。本發(fā)明將視頻圖像劃分為多路測試通道，采用盲源分離法實現(xiàn)信號和噪聲的自動分離，可以有效提高系統(tǒng)的抗噪性和魯棒性。
如圖2、圖3所示，信號分離模塊3中包括心率信號分離模塊3-1、呼吸信號分離模塊3-2。具體步驟如下1.多測試通道劃分將ROI區(qū)域分解為R、G、B三個色彩通道，對心率和呼吸分別獲得三路測試通道。
2.生成原始時間序列信號在R、G、B三路色彩通道上，分別將每一幀圖像的ROI區(qū)域內(nèi)所有像素求空間平均。對心率ROI區(qū)域求空間平均得到的三路心率原始時間序列信號，如圖5所示，紅色、綠色和藍色通道信號分別為Rl (t)，Gl (t), Bl (t)；對呼吸ROI區(qū)域求空間平均得到的三路呼吸原始時間序列信號，如圖6所示，紅色、綠色和藍色通道信號分別為R2(t)，G2(t), B2(t)。
3.濾除基線漂移并歸一化處理用平滑先驗法濾除基線漂移，對于心率檢測，將截止頻率設為0. 6Hz ；對于呼吸檢測， 將截至頻率設為0. 16Hz。
用平滑先驗法濾除擾動帶來的原始時間序列信號的基線漂移，使后續(xù)處理效果更好。對于心率檢測，將截止頻率設為0. 6Hz ；對于呼吸檢測，將截至頻率設為0. 16Hz。再進行歸一化處理，得到零均值、單位方差的歸一化時間序列。以心率測試的紅色通道為例，歸一化處理如下
權利要求
1.一種基于視頻圖像的非接觸式生命體征的檢測方法，其特征在于，包括步驟一，按固定幀頻連續(xù)采集待測目標的視頻圖像，自動檢測圖像中的ROI區(qū)域，步驟二，從所述ROI區(qū)域劃分出的多通道信號中分離出生命體征信號，步驟三，提取出所述生命體征信號的頻率并將所述頻率轉(zhuǎn)換為所述生命體征，獲得檢測結(jié)果。
2.如權利要求1所述的檢測方法，其特征在于，所述生命體征信號的頻率包括心跳信號的頻率/和呼吸信號的頻率/1 ；所述生命體征包括心率、呼吸。
3.如權利要求2所述的檢測方法，其特征在于，當所述生命體征為心率時，所述ROI區(qū)域為待測目標的皮膚區(qū)域；當所述生命體征為呼吸時，所述ROI區(qū)域為待測目標的胸腔或腹部位置。
4.如權利要求1所述的檢測方法，其特征在于，所述檢測方法同時檢測多個待測目標。
5.如權利要求1所述的檢測方法，其特征在于，所述檢測方法以2-3個信號周期為最小測試時長提取所述生命體征信號的頻率。
6.如權利要求1所述的檢測方法，其特征在于，步驟二中分離生命體征信號包括以下步驟將所述ROI區(qū)域的圖像進行多通道劃分，計算各個通道的空間平均值以形成原始時間序列信號，將所述原始時間序列信號的基線漂移濾除并歸一化處理后，通過盲源分離法分離出與原始時間序列信號維數(shù)相同的獨立分量；其中，所述獨立分量包括生命體征信號和噪聲。
7.如權利要求6所述的檢測方法，其特征在于，所述盲源分離法包括最大信息量法、自然梯度法、自適應法、快速獨立元分析法、矩陣特征值分解法。
8.如權利要求6所述的檢測方法，其特征在于，在所述原始時間序列信號的基線漂移濾除并歸一化處理后，根據(jù)所述ROI區(qū)域圖像亮度的變化幅度判定并剔除強擾動信號。
9.如權利要求1所述的檢測方法，其特征在于，所述檢測方法中，當出現(xiàn)如權利要求8 所述的強擾動信號時，重新自步驟一開始新的檢測。
10.如權利要求1所述的檢測方法，其特征在于，步驟三中提取生命體征信號的頻率包括以下步驟對盲源分離法得到的所述獨立分量進行信號平滑處理，將與生命特征信號對應的獨立分量作為源信號分量，然后通過周期信號頻率檢測法提取所述源信號分量的頻率，獲得所述生命體征信號的頻率。
11.如權利要求10所述的檢測方法，其特征在于，所述源信號分量是所述獨立分量中自相關函數(shù)的主瓣能量占整體能量比重最小的獨立分量，或所述獨立分量中功率譜密度峰值最大的獨立分量。
12.如權利要求10所述的檢測方法，其特征在于，所述周期信號頻率檢測法包括雙譜分析法、小波變換法和多重自相關法。
13.如權利要求10所述的檢測方法，其特征在于，所述周期信號頻率檢測法是多重自相關法，對所述源信號分量進行多重自相關運算，進行頻譜分析，頻譜中的峰值功率點為所述生命體征信號的頻率。
14.如權利要求1所述的檢測方法，其特征在于，所述將生命體征信號的頻率轉(zhuǎn)換為生命體征是利用公式HR=SO χ /及Rs=6Q χ /1分別得到每分鐘的心跳數(shù)HR和呼吸數(shù)Rs。
15. 一種基于視頻圖像的非接觸式生命體征的檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括視頻圖像采集模塊(1)、自動檢測模塊(2)、信號分離模塊(3)、智能判決模塊(4)、信號頻率提取模塊(5)和顯示模塊(6)；其中，所述視頻圖像采集模塊(1)按固定幀頻連續(xù)采集圖像，并傳送給所述自動檢測模塊⑵；所述自動檢測模塊(2)自動實時檢測待測目標數(shù)量，并捕捉、跟蹤所述ROI區(qū)域； 所述信號分離模塊(3)實現(xiàn)生命體征信號和噪聲的分離；所述智能判決模塊(4)根據(jù)所述ROI區(qū)域圖像亮度的變化幅度判定并剔除強擾動信號；所述信號頻率提取模塊(5)從所述生命體征信號中提取出其頻率，并將其轉(zhuǎn)換為所述生命體征；所述顯示模塊(6)實時更新顯示所述信號頻率提取模塊(5)轉(zhuǎn)換的檢測結(jié)果。
全文摘要
本發(fā)明公開了一種基于視頻圖像的非接觸式生命體征檢測方法，首先按固定幀頻連續(xù)采集視頻圖像，自動檢測ROI區(qū)域，從所述ROI區(qū)域劃分出的多通道信號中分離出生命體征信號，提取出生命體征信號的頻率并將所述頻率轉(zhuǎn)換為所述生命體征，獲得檢測結(jié)果。本發(fā)明還公開了一種基于視頻圖像的非接觸式生命體征的檢測系統(tǒng)。本發(fā)明具有快速、實時、可實現(xiàn)連續(xù)監(jiān)測、魯棒性強、低成本以及適用范圍廣等優(yōu)點。
文檔編號A61B5/0205GK102499664SQ20111032553
公開日2012年6月20日 申請日期2011年10月24日 優(yōu)先權日2011年10月24日
發(fā)明者俞雅萍, 趙芳, 錢卓 申請人:西雙版納大渡云海生物科技發(fā)展有限公司