[发明专利]一种基于热成像技术的心率呼吸分析处理方法

权利要求书

1.一种基于热成像技术的心率呼吸分析处理方法，其特征在于：包括以下步骤：

第一步，基于图像采集设备，得到序列图像；

第二步，根据获取的序列图像，对其进行分割得到序列图像感兴趣区域和背景以生成在前景区域的前景目标；

第三步，基于OpenCv函数对前景目标进行人脸检测，得到前景区域中的人脸感兴趣区域；

第四步，通过灰度值转换以将人脸感兴趣区域中的血管与背景进行分割，得到人脸血管区域，对所述人脸血管区域的灰度取均值构成基于时间序列的初始动态心率波形，同时，对所述人脸感兴趣区域中的鼻孔所在区域灰度取均值，构成基于时间序列的初始动态呼吸波形；其中，

得到所述人脸血管区域是基于各向异性扩散滤波器和高帽分割相结合的方法所实现，用于增强人脸血管区域边缘对比度，其具体计算方式为：

设图像为I，则，离散的AD的迭代公式为：

，

式中，I_t为第t次迭代的图像，I_t+1为第t+1次迭代的图像，t为迭代次数，N_x，y，S_x，y，E_x，y，W_x，y分别为四个不同的方向，c为扩散系数，∇为梯度算子，λ为系数，其中，

c控制向对应方向的扩散速度，λ控制平滑度，数值越大图像越平滑，越不易保留边缘；

在N_x，y，S_x，y，E_x，y，W_x，y，四个方向上对当前像素求偏导以获取四个方向的散度公式：

，

式中，I_x，y为图像I中坐标为（x，y）的像素点；

cN_x，y，cS_x，y，cE_x，y，cW_x，y，则代表了四个方向上的扩散系数，因此，

四个方向的扩散系数计算公式为：

，式中，K为传导系数，传导系数K值越大，则图像越平滑；

第五步，分别对所述初始动态心率波形以及初始动态呼吸波形进行滤波处理，以得到经去噪降噪的心率信号和呼吸信号；

第六步，使用经典谱并基于傅里叶变换的周期法获取心率信号和呼吸信号的功率谱，以得到心率值和呼吸值。

2.根据权利要求1所述的一种基于热成像技术的心率呼吸分析处理方法，其特征在于：在获取所述序列图像之后，且在对所述序列图像进行分割之前，还需要对所述序列图像进行预处理：

S1-1，对序列图像进行中值滤波，其中，对序列图像进行中值滤波的具体处理方式为：获取此序列图像中标记为感兴趣区域的点所在的领域内各个像素值，并取各个像素值的中值与标记为感兴趣区域的点进行替代，用于在去噪的同时兼顾感兴趣区域内边缘信息不被破坏；

S1-2，基于直方图均衡化调整所述序列图像的图像对比度，其中，直方图均衡化的具体实施过程为：基于累积函数对灰度值分布进行调整，将序列图像中相对集中分布的灰度区间调整为在整个灰度范围内均匀分布，以避免边缘信息模糊而不利于图像分割。

3.根据权利要求1或2所述的一种基于热成像技术的心率呼吸分析处理方法，其特征在于：第二步中，生成所述前景目标的具体实施方式包括边界特征轮廓提取结合背景减法和形态学处理方法，其中，提取所述前景目标的具体实施方式为：

首先，基于图像轮廓检测cv2.findContours函数以及背景减法的GMG算法，对带有噪声且标记为感兴趣区域的点，使用腐蚀膨胀，得到膨胀图像；

其次，基于python+opencv配置文件进行二值化阈值处理；

最后，将膨胀图像所在轮廓区域的内外的点进行消除，其中，具体消除的点为标记为头发或眼睛的点，以达到背景减法的GMG算法目标追踪的一帧效果。

4.根据权利要求1所述的一种基于热成像技术的心率呼吸分析处理方法，其特征在于：第三步中，基于OpenCv函数中的Dlib库，建立人脸检测识别模型以得到人脸感兴趣区域，其中，所述人脸检测识别模型的训练特征信息为基于Dlib库所提供的81特征检测点，以达到基于所述人脸检测识别模型得到人脸感兴趣区域中的每个面部特征信息的映射，使对面部特征信息的关键点检测更加贴近真实人脸，避免关键点的抖动问题。