[发明专利]一种适用于昼夜环境的呼吸率检测方法

摘要

本发明公开了一种适用于昼夜环境的呼吸率检测方法，其实现过程是（1）控制摄像头采集60s正对人脸的视频，并确保人体上半身视频处于采集画面中；（2）对采集的视频进行人脸检测和胸口定位操作，得到稳定的胸口运动视频；（3）对视频进行色彩空间转换；（4）利用视频运动放大技术从胸口视频中提取呼吸运动序列；（5）对呼吸运动序列进行最大似然估计，并利用计算得到的初估计频率结合平滑滤波进行呼吸波形的优化，最后使用峰值点检测技术进行呼吸率的再估计。本发明通过人脸检测与胸口定位技术确定了呼吸发生的主要区域，并通过基于相位的视频运动放大技术于昼夜环境下可以分别稳定的呼吸运动序列，提高了呼吸率检测的稳定性与准确性。

主权项

一种适用于昼夜环境的呼吸率检测方法，其特征在于：包括以下步骤：(1)、采用摄像头对人体进行拍摄以获取视频，所述摄像头由计算机通过Matlab软件控制，拍摄时确保人体上半身处于视频画面内且尽量处于中心区域，并保持摄像头以固定的分辨率、帧率和RGB彩色空间拍摄一定时间，白天室内有稳定白炽灯光源环境下拍摄的视频保存为AVI格式，夜间无光照环境下拍摄的视频保存为mp4格式；(2)、对摄像头采集的视频进行人脸检测，并根据人体几何知识，由人脸区域定位胸口位置，获得稳定的胸口运动视频，过程如下：(2.1)、获取人脸区域：在计算机中将摄像头采集的视频的第一帧作为参考图像，通过OpenCV中的Viola‑Jones人脸检测器检测出矩形的人脸区域，获得矩形框四个顶点F1的坐标；(2.2)、确定呼吸信号采集区域：根据先验知识，人的身高可以用头高进行描述，由呼吸引起胸部变化区域大致在第六头高线与第七头高线的下方区域，即肩膀下方到第六头高线上方的区域，根据先验知识可从视频中找出呼吸引起胸部变化区域，然后在呼吸引起胸部变化区域中确定呼吸信号采集区域，确定的原则如下：选择从头顶开始，向下移动1.4‑1.6倍头高作为呼吸信号采集区域起始纵坐标，以人脸框中心点向左移动0.23‑0.27倍头宽作为呼吸信号采集区域起始横坐标，0.4‑0.6倍的头高和0.8‑1.2倍的头宽分别作为呼吸信号采集区域的长与宽；(2.3)、获取胸口运动视频：确定呼吸信号采集区域后，对视频进行裁剪以保留呼吸信号采集区域对应的胸口位置图像，并输出胸口位置图像序列后进行视频保存，生成稳定的胸口运动视频；(3)、将胸口运动视频的彩色空间由RGB转换为Gray‑Scale，以获得Gray‑Scale色彩空间的视频，通过将三通道运动信息整合到单通道上，实现了亮度信息的突出同时有效降低数据计算复杂度，RGB与Gray‑Scale转换公式如下：(4)、对Gray‑Scale色彩空间的视频进行运动放大，以提取稳定的呼吸运动信号，具体过程如下：(4.1)、空间相位分解：利用复数方向可控金字塔对图像进行空间相位处理，通过迭代计算将图像分解成不同尺度、相位方向的子带序列，图像的运动相位信息便蕴含在子带序列中，复数方向可控金字塔实现过程如下：(4.1.1)、输入图像尺寸，确定尺度分解层数M:M＝floor(log2min(h,w))‑2   (2)式中，h和w表示原始图像的高和宽，floor表示向下取整；(4.1.2)、确定滤波器的滤波方向参数N(根据实验效果,本次默认设定N＝4,)；(4.1.3)、输入图像首先被分解为高通子带H0与低通子带L0，其中低通子带包含图像全局信息，高通子带包含图像细节，其中相位信息蕴含在低通子带中；(4.1.4)、按照参数N对L0进行方向可控滤波，获得N类不同方向的子带序列Bk(k＝0,1,…N)和子带部分L1；(4.1.5)、将子带部分L1进行二抽样后，重复(4.1.4)操作，直到尺度分解层数达到M；(4.1.6)、操作完成后，共获得M*N+2(H0与LM+1)个子带序列，其中M*N个子带序列B中包含呼吸运动的相位信息，用于后续信号处理；(4.2)、时间带通滤波：利用理想的带通滤波器对子带序列进行时间滤波，通频带为0.05～1.25Hz；(4.3)、信号放大：针对滤波后的子带序列，直接乘以预设的放大因子α进行运动的放大；(4.4)呼吸信号提取，过程如下：(4.4.1)、对放大后的子带序列进行二值转换，通过预设的阈值γth突出呼吸运动，公式如下：其中l表示经方向可控金字塔分解后的第l层子带；x，y表示相应子带对应的图像尺寸，i表示视频的帧序号；α表示放大因子；Fl表示对应子带滤波后的序列值，Bl表示对应子带阈值化的序列值；(4.4.2)、将图像序列转换平均相位信号来表征身体运动模式，即呼吸运动。平均相位信号公式如下：经过公式(3)、(4)后，将得到表征呼吸运动的多通道信号，将各通道进行通道平均操作后，可以得到平均呼吸波形，即得到稳定的呼吸运动信号；(5)、对获取的多通道呼吸波形进行频域分析，通过最大似然估计法进行呼吸率的初步估计，获取初始呼吸频率后配合平滑滤波对平均呼吸波形进行滤波优化，获取精准的呼吸波形，并采用峰值点检测法进行呼吸率再估计，具体过程如下：(5.1)最大似然估计：由公式(4)得到的Ll代表不同尺度和相位方向的呼吸信号趋势，不同的Ll对同一运动物体的不同描述相当于不同位置与角度的摄像机对同一物体进行拍摄所产生的多组图像结果，基于此思想采用最大似然法进行呼吸率估计，通过聚合多个尺度、相位方向的信号序列达到增强呼吸信号的效果，具体公式如下：其中，fs表示信号的采样频率，N表示采集视频总帧数，M表示金字塔分解后各个尺度和方向子带的总数量，DFT{}表示离散傅里叶变换，argmax操作表示从集合中获取能量值最大点索引；(5.2)、平滑滤波与峰值点检测：以f0为基准，将通频带上下各拓宽0.05Hz对平均呼吸波形进行平滑滤波，获取滤波优化后的呼吸波形，此时呼吸波形的呼吸波形已非常明显，其中每一组波形的起伏代表一次呼吸起伏，所以统计该段波形中的波峰数量即可得到呼吸频率，因此对该波形使用Matlab工具箱中的峰值点检测命令即可。