[发明专利]基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法

说明书

本发明公开了一种基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法，其步骤包括：1、获取视频图像并确定面部感兴趣区域，然后将感兴趣区域分成若干子区域；2、每个子区域选取绿色通道均指信号或者色差信号作为输入信号；3、采用多元经验模态分解处理输入信号，得到输入信号本征模态分量数据集；4、采用联合盲源分离处理输入信号本征模态分量数据集，得到源信号矩阵，并从中筛选出脉冲信号；5、采用频率谱分析的方法从脉冲信号中提取心率。本发明能够鲁棒且准确地获取视频心率检测结果，并在日常的医疗保健方面具有重要的应用前景。

技术领域

本发明属于生物医学信号处理的技术领域，尤其涉及一种基于多元经验模态分解结合联合盲源分离的方法从视频中非接触地提取人体心率的方法。

背景技术

心率作为人体的重要生理参数，它的长期监测对心血管疾病的早期预防和预后诊断，以及对人类健康的监护都具有重大的意义。目前人体心率监测方法按照与人体皮肤接触与否主要分为接触式监测方法与非接触式监测方法两种方法。接触式方法测量结果准确可靠，社会认可程度高，但需要与皮肤长时间接触容易导致身体不适，并且不适用于皮肤敏体质和烧烫伤患者进行心率监测。非接触式监测方法克服了传统接触式方法的不足，能够使被监测者更加放松从而提高监测的可靠性和准确性，同时也能满足长期监测的需求。据监测原理的不同非接触式监测方法分为电容耦合心电图、超声多普勒雷达、微波多普勒雷达、光学心振动图、热成像、成像式光学容积描记法等技术，其中新近兴起的成像式光学描记技术，由于其对设备要求较低，简单易便携，应用范围广等优点引起了国内外学术界的广泛关注。

成像式光学容积描记法等技术又称为远程光电容积描记技术(remotephotoplethysmography，rPPG)技术。它采用普通摄像头捕捉人面部由于心跳和呼吸运动造成的微小变化，并储存成视频图像，之后采用专用的数字信号处理技术以及计算机恢复出人体的生理参数信号，从而计算出人体的心率。在过去的十年中rPPG技术取得极大的发展，在2008年，Verkruysse等人首次在环境光作为光源的条件下从普通数码相机捕捉的人脸视频中恢复出人体心率，但是他们的研究缺乏严格的生理和数学模型作为理论支持，仅仅依靠手动分割原始图像得到结果，缺少足够的性能验证过程。于是2010年，Poh和Picard等人首次提出了一种基于盲源分离的方法提取心率。该研究结合了人脸识别以及盲源分离技术，通过摄像头红绿蓝传感器捕捉人脸视频信号采用独立成分分析(independentcomponent analysis，ICA)的方法首次实现人体心率自动检测。自此以后，越来越多的基于现实环境的光学模型和先进的信号处理技术用于该领域。

最近，AliAl-Naji等人采用自适应噪声完备集合经验模态分解(CompleteEnsemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN)对感兴趣区域的绿色通道进行分解，然后采用典型相关分析(Canonical Correlation Analysis，CCA)的方法提取rPPG信号，该方法能够有效地减小环境光和运动伪迹对视频心率提取的影响。Qi Huan等人也提出了一种采用联合盲源分离的新方法进行非接触式心率测量。该方法确定多个人脸感兴趣区域，然后每个子区域都分别得到RGB颜色通道数据，最后采用联合盲源分离的方法，识别与PPG信号相对应的可靠的共同潜在源成分。最后结果表明，其得到的心率估计结果优于单个感兴趣区域的结果。然而上述两种方法也存在一些缺陷。AliAl-Naji的方法只考虑了单个感兴趣区域的结果，没有考虑不同面部区域之间的对应的人体心率具有关联性，所以相比于多区域联合分析心率的结果，对单个区域进行心率值估计更容易出现异常值，且缺乏鲁棒性。Qi Huan的方法虽然考虑到了多个区域联合提取心率的优势，但所采用的是每个区域对应的RGB原始数据，缺乏对输入信号进行去噪的预处理，使得不同区域提取的潜在源成分仍然有可能混叠共同的噪声源成分，因此该方法提取的心率容易存在较大误差，使得心率估计结果不准确。

发明内容