[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

摘要

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。

主权项

1.一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，其特征是按照如下步骤进行：步骤1：获取t帧视频图像，并采用人脸检测及面部追踪法确定所述t帧视频图像中的面部感兴趣区域，将每帧视频图像中的面部感兴趣区域均分成N块子区域；步骤2：对于每块子区域，选取绿色通道均值信号或者色差信号作为输入信号，并由所有子区域的输入信号构成输入信号数据集G(t)＝[i₁(t),i₂(t),...,i_n(t),...,i_N(t)]^T，i_n(t)为t帧视频图像的第n个子区域输入信号，其中，1≤n≤N；步骤3：采用噪声辅助的多元经验模态分解方法将所述输入信号数据集G(t)分解成若干个本征模态分量；步骤4：采用联合盲源分离法所示的X(t)＝AZ(t)和/或Z(t)＝WX(t)对所述t帧视频图像的本征模态数据集X(t)进行盲源分离处理，得到混合矩阵A，解混矩阵W以及t帧视频图像的源信号矩阵Z(t)＝[Z₁(t),Z₂(t),...,Z_n(t),...,Z_N(t)]^T，其中，Z_n(t)为t帧视频图像的第n个子区域的源信号矩阵，并有：Z_n(t)＝[z_1n(t),z_2n(t),...,z_kn(t),...,z_Kn(t)]^T，z_kn(t)表示t帧视频图像的第n个子区域的源信号矩阵中第k个源成分向量，1≤k≤K；步骤5：筛选t帧视频图像的源信号矩阵Z(t)中第一个源成分向量，得到候选心率信号集合其中，z_p(t)表示筛选后的t帧视频图像的第p个候选心率信号，1≤p≤P≤K；步骤6：计算第p个候选心率信号z_p(t)的主频率以及二次谐波频率的能量之和b_p，从而得到P个候选心率信号总能量集合B_p＝{b₁,b₂,…,b_p,…,b_P}，并得到第p个候选心率信号z_p(t)的能量比值为步骤7：筛选所有候选心率信号中最大能量比值作为最佳心率估计信号，并记为脉冲信号；采用快速傅里叶变换将所述脉冲信号转换成频域形式，并得到脉冲信号的主频率f_main，从而得到平均心率为HR_avg＝f_main·δ，δ表示测试时间。