[发明专利]手机处理人脸视频提取心率信号的系统及其方法

说明书

本发明公开一种手机处理人脸视频提取心率信号的系统及其方法，系统包括，特征点识别模块、特征图像截取模块、色度差值放大模块、滤波模块、有效特征检测模块、显示模块。方法的步骤为：输入人脸视频、识别人脸特征点、截取特征图像、计算色度差放大值、色度差值放大模块判断是否提取完人脸视频的帧图像、滤波、标记特征、计算心率值、显示心率值。本发明的系统中从色度差值中提取心率信号，计算简单，系统运行时间短。本发明的方法根据有效特征计算心率值，计算心率值更准确，放大色度信号，计算结果受亮度变化影响小。

技术领域

本发明属于物理技术领域，更进一步涉及图像处理技术领域中的一种手机处理人脸视频提取心率信号的系统及其方法。本发明可用放大人脸视频信号中的微小变化，从处理后的人脸视频中提取心率信号。

背景技术

人们在日常生活中往往使用接触式的心率检测仪测量心率，该仪器使用接触式传感器接收心率电信号。虽然接触式心率检测仪测量准确，但是其引入了硬件成本，价格较高。此外，接触式心率检测仪的接触式传感器给外伤患者和幼儿造成不便。为此，研究人员提出了诸多非接触式心率检测方法及系统。

天津点康科技有限公司在其申请的专利文献“非接触式自动心率测量系统及测量方法”(专利申请专利号：201310172275.9，公开号：CN104138254A)中公开了一种非接触式自动心率测量系统。该系统包括视频采集模块、分帧提取感兴趣区域ROI模块、基色分量分离模块、时域信号生成模块、盲源分离模块、信号筛选模块、心率分析模块。该系统中使用视频采集模块采集人脸彩色视频，使用分帧提取感兴趣区域ROI模块利用人脸跟踪算法提取视频中每帧图片的感兴趣区域，使用基色分离模块将所提取的感兴趣区域图像进行红绿蓝RGB基色分离，使用时域信号生成模块从基色分离后的图像中提取图像特征值，生成特征值序列，使用盲源分离模块对获取的特征值序列进行盲源分离，使用信号筛选模块筛选出最终信号，使用心率分析模块对筛选得到的信号进行频谱分析，计算出心率值。该系统虽然能自动提取人脸特征区域，无需手动标定，进而计算出心率值。但是，该系统仍然存在的不足之处是：由于该系统使用的盲源分离模块首先要对图像进行主成分分析，然后对图像进行滤波，计算图像的独立性，最后使用优化算法实现盲源分离，而该过程中包含了对每一帧图像的卷积和矩阵运算，导致其该系统运算量巨大，系统运算时间长。

天津点康科技有限公司在其申请的专利文献中还公开了一种非接触式自动心率测量方法。该方法首先采集包含人脸区域的彩色视频图像，提取所采集视频图像中的特征点并与人脸模式进行匹配，提取其中人脸区域图像，使用基色分离方法对提取的感兴趣区域图像按照红绿蓝RGB三个颜色通道进行基色分离，对获取的三基色分量图像的每帧图像分别取所有像素的灰度均值，作为该帧的特征值并生成三个时域信号，对得到的三个时域信号进行筛选，获得最终的筛选信号，使用频谱分析计算出心率值。该方法存在的不足之处是：在计算心率值时，该方法将筛选得到的信号变换到频域进行频谱分析，而筛选得到的信号中包含较多的其他频率成分的杂波，导致该方法计算的心率值不准确。

西北工业大学在其申请的专利文献“基于智能手机的心率检测方法”(专利申请专利号：201610421290.6，公开号：CN106073745A)中公开了一种基于智能手机的心率检测方法。该方法首先将人体指尖、手心或者面部以及其他部位皮肤在稳定光源下皮肤颜色变化的视频输入智能手机中，然后使用视频中单个像素点的灰度值序列作为有效容积脉搏波信号，最后通过平均幅度比较得到主波波形，进而求取心率值。该方法存在的不足之处是：人脸视频中的心率信号十分微弱，该方法没有对微弱的心率信号进行放大处理，而是直接对视频中单个像素点的灰度值序列比较平均幅度并提取心率值，导致该方法测量结果易受光照变化、温度变化的影响。

发明内容