申请/专利权人：合肥工业大学

申请日：2022-06-10

公开（公告）日：2024-04-19

公开（公告）号：CN115153473B

主分类号：A61B5/024

分类号：A61B5/024;A61B5/00;G06V20/40;G06V40/16;G06V10/56;G06V10/30;G06V10/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.10.28#实质审查的生效;2022.10.11#公开

摘要：本发明公开了一种基于多变量奇异谱分析的非接触式心率检测方法，其步骤包括：1、首先获取视频图像并确定面部感兴趣区域；2、从感兴趣区域筛选四个最佳子区域，提取每个子区域的色度信号，将鼻尖部位的运动轨迹作为运动信号；3、自适应滤波去除色度信号中的运动伪影，作为输入信号；4、采用多变量奇异谱分析处理输入信号，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；6、最后根据心率连续性将异常的心率值找出并用正确的心率值替换。本发明能够同时去除光照变化的影响和头部运动的干扰，从而能提高非接触式视频心率检测的准确性。

主权项：1.一种基于多元奇异谱分解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：获取受试者的T帧视频数据并有重叠的划分为L份数据，且每份数据包含N帧视频图像；步骤2：采用人脸检测及面部追踪法确定第l份N帧视频图像的面部感兴趣区域，将每帧视频图像中的面部感兴趣区域划分成Q块子区域，1≤l≤L；步骤3：逐帧计算每块子区域在第l份N帧视频图像的像素均值，并根据每块子区域的像素均值，计算每块子区域的光照强度、光照变化和信噪比作为判断的质量指标，从而根据每块子区域的质量指标，从Q块子区域中选取P个最佳子区域，再从P个最佳子区域中提取RGB通道均值信号并转化为HSV信号，提取所述HSV信号中的色度信号，记为Hl＝{hl,1,hl,2,...,hl,p,...,hl,P}，hl,p为第l份N帧视频图像的第p个最佳子区域的色度信号，1＜p＜P；步骤4：采用OpenFace法逐帧检测第l份N帧视频图像的人脸特征点，并将第l份N帧视频图像的鼻尖位置特征点的运动轨迹信号记为Vl＝{vl,1,vl,2,...,vl,j,...,vl,N}；其中，vl,j为第l份第j帧视频图像中鼻尖位置特征点的位置坐标；步骤5：利用第l份运动轨迹信号Vl对第l份第p个最佳子区域的色度信号hl,p进行自适应滤波LMS处理，以去除第l份色度信号hl,p中的运动伪影，得到滤波后的第l份第p个色度信号且表示第l份第j帧视频图像中滤波后的第p个色度信号的像素值，从而得到第l份滤波后的P个色度信号并作为第l个输入信号数据集；步骤6：采用奇异谱分解方法将所述第l个输入信号数据集Xl分解成若干个分量：步骤6.1：设置窗口的长度为M，且M＜N2，定义参数K＝N-M+1，按照所述窗口的长度M和参数K从所述滤波后的第l份第p个色度信号中生成维度为M×K的第l份第p个轨迹矩阵然后将第l份P个轨迹矩阵拼接后构成维度为PM×K的汉克尔轨迹矩阵步骤6.2：计算第l份轨迹矩阵YlYlT的特征值，记为λl,1,...,λl,i,...,λl,PM，其中，λl,i表示第l份轨迹矩阵YlYlT的第i个特征值；计算第l份轨迹矩阵YlYlT的特征值λl,1,...,λl,i,...,λl,PM的标准正交向量，记为Ul,1,...,Ul,i,...,Ul,PM，其中，Ul,i表示特征值λl,i对应的标准正交向量；计算R＝rankYl，R表示矩阵Yl的秩，计算主成分将第l份汉克尔轨迹矩阵Yl分解为Yl＝Yl,1+...+Yl,i+...+Yl,R，其中，Yl,i表示第l份轨迹矩阵YlYlT第i个特征值λi对应的分解矩阵，且步骤6.3：将第l份索引集{1,...,R}划分为R个不相交的子集Il,i＝{i},i＝1,2,...,R，Il,i表示第l份第i个子集；根据所述子集，对所述汉克尔轨迹矩阵Yl进行分组，得到第l份R组矩阵{Yl,i|1≤i≤R}，Yl,i由步骤6.2得到；步骤6.4：对第l份R组矩阵Yl,i进行对角线求平均处理，得到第l份重构信号其中，表示第l份分组矩阵Yl,i对角线平均处理后的一维信号；步骤7：将第l份重构信号分组，每组包含四个信号，将第一组信号作为候选脉冲集，计算第l份第一组第i个候选心率信号的主频率以及二次谐波频率的能量之比，从而选择能量之比最大的候选心率信号作为脉冲信号，利用快速傅里叶变换将所述脉冲信号转换成频域形式，从而得到所述脉冲信号的主频率fmain，计算出第l份N帧视频图像的受试者平均心率值，从而得到第l个心率值HRl＝fmain×60；步骤8：对按照步骤2-步骤7的过程，得到L份N帧视频图像的L个心率值集合{HRl|l＝1,2,…,L}；步骤9：计算第l份的N帧视频图像的心率值HRl分别与同一受试者在第k份的N帧视频图像的心率值HRk之间的绝对误差是否小于所设定的阈值Th1，若小于，则令计数值S+1；否则计数值S保持不变，其中，计数值S的初始值为0；步骤10：判断计数值S是否大于所设置的阈值Th2，若大于，则将第l个心率值HRl视为有效值并计入心率候选集HR，否则，判断下一个心率值；从而得到最终的心率候选集HR，并计算其平均值作为参考值HRref；步骤11：根据参考值HRref与L个心率值集合{HRl}l＝1,2,...,L，计算第l个心率值HRl与参考HRref之间的绝对误差HRerror,l，如果绝对误差HRerror,l小于等于设定的阈值Th1，则第l个心率值HRl作为目标HRT，反之，则被作为异常值；若第l个心率值HRl为异常值，则从剩余的分解信号中计算最接近参考值HRref的心率值HRn,new作为目标HRT。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于多变量奇异谱分析的非接触式心率检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD