[发明专利]一种运动鲁棒的非接触式视频心率检测方法

说明书

本发明公开了一种运动鲁棒的非接触式视频心率检测方法，其步骤包括：首先获取若干个面部感兴趣区域，对于每个区域，得到该区域多个颜色通道信号，采用集合经验模态分解将这些信号分解为若干本征模态函数并组成本征模态函数集合，其次得到该区域特征点的轨迹作为运动信号，构成运动信号数据集；采用典型相关分析处理上述两个集合，将相关性大于某一阈值的典型相关变量判定为运动噪声，将其置“0”并重构本征模态函数集合；接着对不同区域得到的多个重构的本征模态函数集合做多重集典型相关分析处理，最后从第一组典型相关变量中筛选出脉冲信号从而得到心率。本发明能够去除非接触式心率检测中存在的运动噪声，从而得到更准确的心率测量。

技术领域

本发明属于生物医学信号处理的技术领域，尤其涉及一种运动鲁棒的非接触式视频心率检测方法。

背景技术

心率作为一种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。传统上的临床心率检测手段需要利用心电图机的十二导联线接触人体的多个部位，操作繁杂，自动化程度不高，对使用者有较高的专业知识要求，不适用于特殊场景下的心率检测。

光学体积描记术(Photoplethysmography，PPG)是另一种常用的心率检测的方法，操作较为简便，但是这种接触式测量方法的最大缺点和心电图机类似，就是需要和人体接触。近年来，随着便携式成像设备的快速发展,特别是对于智能手机和笔记本电脑,有一种趋势是将传统的接触式PPG转换为成像光学体积描记术(imaging Photoplethysmography，iPPG)。iPPG技术主要原理是心脏的周期性收缩和舒张会引起体表血管容积发生周期性改变，然后血液所含血红蛋白含量也随之发生周期性变化导致血红蛋白对入射光线的吸收发生变化，最后引起反射光强度产生相应变化，通过视频图像来捕捉这些细微的变化，经过人脸识别，盲源分离和信号处理技术，可以得到心率。相比于PPG技术，iPPG技术优势在于只需要低成本的数码相机，不需要接触探头或者专用光源，简单却有效。但是目前大多数实现iPPG技术的方法仅仅适用于测试者保持相对静止的情况，然而，实际应用时受试者很难保持完全静止，即受试者头部难免会有头部运动(刚性运动)或者面部表情(非刚性运动)，从而会引入运动噪声。由于心脏搏动引起的体表血管容积变化导致血红蛋白对光吸收变化的幅度远远小于运动噪声带来的变化幅度，如何消除这种运动噪声的影响对于非接触式视频心率检测方法的推广使用具有重要研究意义。

发明内容

本发明是为解决上述技术所存在的不足，提供了一种运动鲁棒的非接触式视频心率检测方法，以期能去除运动噪声对非接触式视频心率检测的影响，从而提高非接触式视频心率检测的准确性。

本发明为解决技术问题采用如下技术方案：

本发明一种运动鲁棒的非接触式视频心率检测方法的特点是按照如下步骤进行：

步骤1：获取T_total帧视频图像，并在第一帧视频图像中确定K个面部感兴趣区域；对T_total帧视频图像均计算第k个面部感兴趣区域的R,G,B三个颜色通道的平均像素值，从而获得T_total帧视频图像的第k个面部感兴趣区域对应的颜色通道信号T是矩阵的转置；表示T_total帧视频图像的第k个面部感兴趣区域的R颜色通道中所有像素值平均后的信号，表示T_total帧视频图像的第k个面部感兴趣区域的G颜色通道中所有像素值平均后的信号，表示T_total帧视频图像的第k个面部感兴趣区域的B颜色通道中所有像素值平均后的信号；

步骤2：利用集合经验模态分解将T_total帧视频图像的第k个面部感兴趣区域对应的颜色通道信号中每个颜色通道的信号分别分解成为Q个本征模态函数，其中m颜色通道所分解的Q个本征模态函数记为其中，表示T_total帧视频图像的第k个面部感兴趣区域的m颜色通道所分解的第q个本征模态函数；1≤q≤Q；m＝{R,G,B}；