CN109512416A - 一种容积脉搏波提取方法及*** - Google Patents
一种容积脉搏波提取方法及*** Download PDFInfo
- Publication number
- CN109512416A CN109512416A CN201811388463.4A CN201811388463A CN109512416A CN 109512416 A CN109512416 A CN 109512416A CN 201811388463 A CN201811388463 A CN 201811388463A CN 109512416 A CN109512416 A CN 109512416A
- Authority
- CN
- China
- Prior art keywords
- signal
- skin area
- sef
- volume pulsation
- pulsation wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000010349 pulsation Effects 0.000 title claims abstract description 61
- 238000001914 filtration Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 230000036387 respiratory rate Effects 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000005259 peripheral blood Anatomy 0.000 description 2
- 239000011886 peripheral blood Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种容积脉搏波提取方法及***。该方法包括：获取人体皮肤视频；将视频的图像中的人体皮肤区域和背景区域区分开；对每幅人体皮肤区域的绿色区域图像像素值求平均值得到皮肤区域像素序列；对每幅背景区域的蓝色区域图像像素值求平均值得到背景区域像素序列；以皮肤区域像素序列作为自适应滤波器的期望信号、以背景区域像素序列作为输入信号，计算每个时刻的输出信号和误差信号；利用最小均方根法求取使误差信号的均方根最小时的自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列；利用容积脉搏波提取技术对滤波后的皮肤区域像素序列提取容积脉搏波。本发明的该方法及***，可以有效抑制环境光噪声，提高容积脉搏波提取的准确度。
Description
技术领域
本发明涉及医学领域，特别是涉及一种容积脉搏波提取方法及***。
背景技术
在环境光条件下使用摄像头可以提取容积脉搏波，具体方法为：借助容积脉搏成像(Photoplethysmographic imaging,PPGi)在活体组织中检测血液容积变化。在活体组织中，皮肤、肌肉和组织等对光的吸收在整个血液循环中是保持恒定不变的，而皮肤内的血液容积在心脏收缩舒张作用下呈脉动性变化。当心脏收缩时外周血管血容量最多，光吸收量也最大，皮肤表面的光强也最小；而心脏舒张时外周血管血容量最少，光吸收量也最小，皮肤表面的光强也最大。摄像头对人体表面皮肤成像，成像亮度随着光强呈脉动性变化，通过对图像像素平均使二维信号转化为一维信号就可以获得容积脉搏波。
然而由于容积脉搏波是在环境光条件下提取的，在获取的皮肤表面的图像中包含有环境光等噪声，从而对容积脉搏波的提取造成极大干扰。
发明内容
本发明的目的是提供一种容积脉搏波提取方法及***，可以有效抑制环境光噪声，降低环境光噪声对容积脉搏波提取的影响，提高容积脉搏波提取的准确度。
为实现上述目的，本发明提供了如下方案：
一种容积脉搏波提取方法，包括：
获取摄像头与人体保持预设距离时采集的人体皮肤视频；
利用图像分割方法将所述人体皮肤视频中的每个时刻的图像中的人体皮肤区域和背景区域区分开；
对每幅所述人体皮肤区域的绿色区域图像像素值求平均值，得到皮肤区域像素序列；
对每幅所述背景区域的蓝色区域图像像素值求平均值，得到背景区域像素序列；
以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号；
利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列；
利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波。
可选的，所述以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号，具体包括：
计算每个时刻的输出信号的公式为：
x′(n)＝xT(n)W(n)
计算误差信号的公式为：
e(n)＝d(n)-x′(n)＝d(n)-xT(n)W(n)
其中，x′(n)为n时刻的输出信号，W(n)为自适应滤波的系数向量，W(n)＝[w1(n),w2(n),…,wH(n)]T，x(n)为n时刻的输入信号，x(n)＝[u(n-1),u(n-2),…,u(n-H)]T，H为自适应滤波器系数数量；d(n)为期望信号，e(n)为n时刻的误差信号。
可选的，所述利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列，具体包括：
建立误差信号的均方根方程：
J(n)＝E[e(n)2]＝E[(d(n)-xT(n)W(n))2]
J(n)为误差信号的均方根；
为使均方根方程得到最小值，W(n)需按照以下公式进行更新：
W(n+1)＝W(n)+1/2*μe(n)x(n)
μ为步长因子，0＜μ＜1/λmax，其中λmax为输入信号自相关矩阵的最大特征值；
将误差信号的均方根最小时的自适应滤波器的系数向量所对应的输出信号作为滤波后的皮肤区域像素序列。
可选的，在所述利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波之后，还包括：
对所述滤波后的皮肤区域像素序列进行傅里叶变换，得到变换后的信号；
求取所述变换后的信号在0～0.5Hz范围内的峰值，得到呼吸频率；
求取所述变换后的信号在0.7～1.5Hz范围内的峰值，得到心率。
本发明还公开一种容积脉搏波提取***，包括：
获取模块，用于获取摄像头与人体保持预设距离时采集的人体皮肤视频；
分割模块，用于利用图像分割方法将所述人体皮肤视频中的每个时刻的图像中的人体皮肤区域和背景区域区分开；
第一求均值模块，用于对每幅所述人体皮肤区域的绿色区域图像像素值求平均值，得到皮肤区域像素序列；
第二求均值模块，用于对每幅所述背景区域的蓝色区域图像像素值求平均值，得到背景区域像素序列；
自适应滤波构建模块，用于以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号；
滤波器参数调整模块，用于利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列；
提取模块，用于利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波。
可选的，所述自适应滤波构建模块，具体包括：
输出信号构建单元，用于计算每个时刻的输出信号的公式为：
x′(n)＝xT(n)W(n)
误差信号构建单元，用于计算误差信号的公式为：
e(n)＝d(n)-x′(n)＝d(n)-xT(n)W(n)
其中，x′(n)为n时刻的输出信号，W(n)为自适应滤波的系数向量，W(n)＝[w1(n),w2(n),…,wH(n)]T，x(n)为n时刻的输入信号，x(n)＝[u(n-1),u(n-2),…,u(n-H)]T，H为自适应滤波器系数数量；d(n)为期望信号，e(n)为n时刻的误差信号。
可选的，所述滤波器参数调整模块，具体包括：
均方根方程构建单元，用于建立误差信号的均方根方程：
J(n)＝E[e(n)2]＝E[(d(n)-xT(n)W(n))2]
J(n)为误差信号的均方根；
为使均方根方程得到最小值，W(n)需按照以下公式进行更新：
W(n+1)＝W(n)+1/2*μe(n)x(n)
μ为步长因子，0＜μ＜1/λmax，其中λmax为输入信号自相关矩阵的最大特征值；
滤波单元，用于将误差信号的均方根最小时的自适应滤波器的系数向量所对应的输出信号作为滤波后的皮肤区域像素序列。
可选的，该容积脉搏波提取***还包括：
傅里叶变换模块，用于对所述滤波后的皮肤区域像素序列进行傅里叶变换，得到变换后的信号；
呼吸率计算模块，用于求取所述变换后的信号在0～0.5Hz范围内的峰值，得到呼吸率；
心率计算模块，用于求取所述变换后的信号在0.7～1.5Hz范围内的峰值，得到心率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明所公开容积脉搏波提取方法及***，利用自适应滤波方法实现了皮肤区域的图像的噪声去除，有效抑制了环境光噪声，降低环境光噪声对容积脉搏波提取的影响，提高了容积脉搏波提取的准确度。并且该方法及***中通过调整自适应滤波器的参数，能够根据环境光噪声实时优化滤波器的参数，使自适应滤波器具有自我学习和跟踪的能力，大大提高了滤波的实时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明容积脉搏波提取方法实施例的方法流程图。
图2为本发明容积脉搏波提取方法实施例的图像采集示意图。
图3为本发明容积脉搏波提取方法实施例的人体皮肤区域和背景区域示意图。
图4为本发明容积脉搏波提取方法实施例的自适应滤波的原理图。
图5为本发明容积脉搏波提取***实施例的***结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种容积脉搏波提取方法及***，可以有效抑制环境光噪声，降低环境光噪声对容积脉搏波提取的影响，提高容积脉搏波提取的准确度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明容积脉搏波提取方法实施例的方法流程图。
一种容积脉搏波提取方法，包括：
步骤101：获取摄像头与人体保持预设距离时采集的人体皮肤视频。采集的视频为彩***。
本发明中以采集人脸区域图像为例进行说明。
图2为本发明容积脉搏波提取方法实施例的图像采集示意图。
参见图2，使用摄像头与人脸距离0.5米～1米距离范围内提取人脸区域图像。每幅图像中既包含人脸图像，也包括背景图像。
步骤102：利用图像分割方法将所述人体皮肤视频中的每个时刻的图像中的人体皮肤区域和背景区域区分开。
图3为本发明容积脉搏波提取方法实施例的人体皮肤区域和背景区域示意图。
参见图3，A区域为人体皮肤区域，即人脸区域，B区域为背景区域。
步骤103：对每幅所述人体皮肤区域的绿色区域图像像素值求平均值，得到皮肤区域像素序列。
步骤104：对每幅所述背景区域的蓝色区域图像像素值求平均值，得到背景区域像素序列。
一幅彩色图像可以认为是红色、绿色和黄色图像的叠加，所以把人体皮肤区域中的绿色区域图像像素值求平均值转化为一个数值，这样人体皮肤区域的视频可以转化为时间信号。同理，对背景区域的图像视频也转化为时间信号，区别在于并不是用绿色图像转换，而是用蓝色图像转换。
步骤105：以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号。
图4为本发明容积脉搏波提取方法实施例的自适应滤波的原理图。
参见图4，自适应滤波的目的是从输出信号中提取真实准确的期望信号，因此涉及到的信号包括期望信号，输入信号和输出信号。d(n)为期望信号，代表包含有环境光噪声的皮肤区域像素序列，x(n)为n时刻的输入信号，表示背景区域像素序列。本发明中根据背景区域像素序列来确定皮肤区域像素序列中的环境光噪声的大小，x(n)＝[u(n-1),u(n-2),…,u(n-H)]T，W(n)为自适应滤波的系数向量，W(n)＝[w1(n),w2(n),…,wH(n)]T，H为自适应滤波器系数数量。u(n-1),u(n-2),…，u(n-H)为各个时刻的输入值；w1(n),w2(n),…，wH(n)为自适应滤波的系数向量中的各个系数。
每个时刻的输出信号的公式为：
x′(n)＝xT(n)W(n)
误差信号的公式为：
e(n)＝d(n)-x′(n)＝d(n)-xT(n)W(n)
其中，x′(n)为n时刻的输出信号，e(n)为n时刻的误差信号，当自适应滤波的系数向量经调整后，e(n)即为提取出的滤波后的皮肤区域像素序列。
步骤106：利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列。
自适应数字滤波器的系数向量W(n)的变化与误差信号e(n)相关，根据e(n)的值大小而自动调整W(n)，使之适合下一时刻的输入u(n+1)，以便使输出x′(n+1)接近于所期望的参考信号。调整W(n)的方法很多，如基于最小均方根方法、最小二乘法、变换域方法、共扼梯度方法等。本发明采用最小均方根方法：
最小均方根自适应滤波算法原理是通过调整滤波器系数W(n)，使滤波信号与期望信号之间误差的均方值为最小。滤波器系数W(n)的计算通过误差值在梯度方向上调整滤波器系数，并快速收敛使得误差的均方值为最小。其算法特点是复杂度低，不需要大量的计算，并且收敛速度块。最小均方根法定义目标函数为E[e(n)2]达到最小时，即实现了最优滤波。建立的误差信号的均方根方程为：
J(n)＝E[e(n)2]＝E[(d(n)-xT(n)W(n))2]
J(n)为误差信号的均方根；
为了获得最小误差的均方值J(n)，在滤波器系数W(n)在梯度方向上进行优化，通过更新W(n)，达到快速收敛，W(n)优化公式如下所示：
W(n+1)＝W(n)+1/2*μe(n)x(n)
式中，μ为步长因子。
最小均方根算法收敛的条件为：0＜μ＜1/λmax，λmax是输入信号自相关矩阵的最大特征值。
在确定系数向量W(n)后，将误差信号的均方根最小时的自适应滤波器的系数向量所对应的输出信号作为滤波后的皮肤区域像素序列。
步骤107：利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波。
可选的，在步骤107之后，还包括：
对所述滤波后的皮肤区域像素序列进行傅里叶变换，得到变换后的信号；
求取所述变换后的信号在0～0.5Hz范围内的峰值，得到呼吸频率；
求取所述变换后的信号在0.7～1.5Hz范围内的峰值，得到心率。
图5为本发明容积脉搏波提取***实施例的***结构图。
参见图5，该容积脉搏波提取***，包括：
获取模块501，用于获取摄像头与人体保持预设距离时采集的人体皮肤视频；
分割模块502，用于利用图像分割方法将所述人体皮肤视频中的每个时刻的图像中的人体皮肤区域和背景区域区分开；
第一求均值模块503，用于对每幅所述人体皮肤区域的绿色区域图像像素值求平均值，得到皮肤区域像素序列；
第二求均值模块504，用于对每幅所述背景区域的蓝色区域图像像素值求平均值，得到背景区域像素序列；
自适应滤波构建模块505，用于以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号。
所述自适应滤波构建模块505，具体包括：
输出信号构建单元，用于计算每个时刻的输出信号的公式为：
x′(n)＝xT(n)W(n)
误差信号构建单元，用于计算误差信号的公式为：
e(n)＝d(n)-x′(n)＝d(n)-xT(n)W(n)
其中，x′(n)为n时刻的输出信号，W(n)为自适应滤波的系数向量，W(n)＝[w1(n),w2(n),…,wH(n)]T，x(n)为n时刻的输入信号，x(n)＝[u(n-1),u(n-2),…,u(n-H)]T，H为自适应滤波器系数数量；e(n)为n时刻的误差信号。
滤波器参数调整模块506，用于利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列。
所述滤波器参数调整模块506，具体包括：
均方根方程构建单元，用于建立误差信号的均方根方程：
J(n)＝E[e(n)2]＝E[(d(n)-xT(n)W(n))2]
J(n)为误差信号的均方根；
为使均方根方程得到最小值，W(n)需按照以下公式进行更新：
w(n+1)＝w(n)+1/2*μe(n)x(n)
μ为步长因子，0＜μ＜1/λmax，其中λmax为输入信号自相关矩阵的最大特征值；
滤波单元，用于将误差信号的均方根最小时的自适应滤波器的系数向量所对应的输出信号作为滤波后的皮肤区域像素序列。
提取模块507，用于利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波。
该容积脉搏波提取***还包括：
傅里叶变换模块，用于对所述滤波后的皮肤区域像素序列进行傅里叶变换，得到变换后的信号；
呼吸率计算模块，用于求取所述变换后的信号在0～0.5Hz范围内的峰值，得到呼吸率；
心率计算模块，用于求取所述变换后的信号在0.7～1.5Hz范围内的峰值，得到心率。
本发明所公开容积脉搏波提取方法及***，利用自适应滤波方法实现了皮肤区域的图像的噪声去除，有效抑制了环境光噪声，降低环境光噪声对容积脉搏波提取的影响，提高了容积脉搏波提取的准确度。并且该方法及***中通过调整自适应滤波器的参数，能够根据环境光噪声实时优化滤波器的参数，使自适应滤波器具有自我学习和跟踪的能力，大大提高了滤波的实时性。
对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种容积脉搏波提取方法，其特征在于，包括：
获取摄像头与人体保持预设距离时采集的人体皮肤视频；
利用图像分割方法将所述人体皮肤视频中的每个时刻的图像中的人体皮肤区域和背景区域区分开；
对每幅所述人体皮肤区域的绿色区域图像像素值求平均值，得到皮肤区域像素序列；
对每幅所述背景区域的蓝色区域图像像素值求平均值，得到背景区域像素序列；
以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号；
利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列；
利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波。
2.根据权利要求1所述的一种容积脉搏波提取方法，其特征在于，所述以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号，具体包括：
计算每个时刻的输出信号的公式为：
x′(n)＝xT(n)W(n)
计算误差信号的公式为：
e(n)＝d(n)-x′(n)＝d(n)-xT(n)W(n)
其中，x′(n)为n时刻的输出信号，W(n)为自适应滤波的系数向量，W(n)＝[w1(n),w2(n),…,wH(n)]T，x(n)为n时刻的输入信号，x(n)＝[u(n-1),u(n-2),…,u(n-H)]T，H为自适应滤波器系数数量；d(n)为期望信号，e(n)为n时刻的误差信号。
3.根据权利要求2所述的一种容积脉搏波提取方法，其特征在于，所述利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列，具体包括：
建立误差信号的均方根方程：
J(n)＝E[e(n)2]＝E[(d(n)-xT(n)W(n))2]
J(n)为误差信号的均方根；
为使均方根方程得到最小值，W(n)需按照以下公式进行更新：
W(n+1)＝W(n)+1/2*μe(n)x(n)
μ为步长因子，0＜μ＜1/λmax，其中λmax为输入信号自相关矩阵的最大特征值；
将误差信号的均方根最小时的自适应滤波器的系数向量所对应的输出信号作为滤波后的皮肤区域像素序列。
4.根据权利要求1所述的一种容积脉搏波提取方法，其特征在于，在所述利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波之后，还包括：
对所述滤波后的皮肤区域像素序列进行傅里叶变换，得到变换后的信号；
求取所述变换后的信号在0～0.5Hz范围内的峰值，得到呼吸频率；
求取所述变换后的信号在0.7～1.5Hz范围内的峰值，得到心率。
5.一种容积脉搏波提取***，其特征在于，包括：
获取模块，用于获取摄像头与人体保持预设距离时采集的人体皮肤视频；
分割模块，用于利用图像分割方法将所述人体皮肤视频中的每个时刻的图像中的人体皮肤区域和背景区域区分开；
第一求均值模块，用于对每幅所述人体皮肤区域的绿色区域图像像素值求平均值，得到皮肤区域像素序列；
第二求均值模块，用于对每幅所述背景区域的蓝色区域图像像素值求平均值，得到背景区域像素序列；
自适应滤波构建模块，用于以所述皮肤区域像素序列作为自适应滤波器的期望信号、以所述背景区域像素序列作为自适应滤波器的输入信号，计算每个时刻的输出信号和与所述输出信号对应的误差信号；
滤波器参数调整模块，用于利用最小均方根法求取使所述误差信号的均方根最小时的自适应滤波器的系数向量，从而调整所述自适应滤波器的系数向量，得到滤波后的皮肤区域像素序列；
提取模块，用于利用容积脉搏波提取技术对所述滤波后的皮肤区域像素序列提取容积脉搏波。
6.根据权利要求5所述的一种容积脉搏波提取***，其特征在于，所述自适应滤波构建模块，具体包括：
输出信号构建单元，用于计算每个时刻的输出信号的公式为：
x′(n)＝xT(n)W(n)
误差信号构建单元，用于计算误差信号的公式为：
e(n)＝d(n)-x′(n)＝d(n)-xT(n)W(n)
其中，x′(n)为n时刻的输出信号，W(n)为自适应滤波的系数向量，W(n)＝[w1(n),w2(n),…,wH(n)]T，x(n)为n时刻的输入信号，x(n)＝[u(n-1),u(n-2),…,u(n-H)]T，H为自适应滤波器系数数量；d(n)为期望信号，e(n)为n时刻的误差信号。
7.根据权利要求6所述的一种容积脉搏波提取***，其特征在于，所述滤波器参数调整模块，具体包括：
均方根方程构建单元，用于建立误差信号的均方根方程：
J(n)＝E[e(n)2]＝E[(d(n)-xT(n)W(n))2]
J(n)为误差信号的均方根；
为使均方根方程得到最小值，W(n)需按照以下公式进行更新：
W(n+1)＝W(n)+1/2*μe(n)x(n)
μ为步长因子，0＜μ＜1/λmax，其中λmax为输入信号自相关矩阵的最大特征值；
滤波单元，用于将误差信号的均方根最小时的自适应滤波器的系数向量所对应的输出信号作为滤波后的皮肤区域像素序列。
8.根据权利要求5所述的一种容积脉搏波提取***，其特征在于，还包括：
傅里叶变换模块，用于对所述滤波后的皮肤区域像素序列进行傅里叶变换，得到变换后的信号；
呼吸率计算模块，用于求取所述变换后的信号在0～0.5Hz范围内的峰值，得到呼吸率；
心率计算模块，用于求取所述变换后的信号在0.7～1.5Hz范围内的峰值，得到心率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811388463.4A CN109512416A (zh) | 2018-11-21 | 2018-11-21 | 一种容积脉搏波提取方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811388463.4A CN109512416A (zh) | 2018-11-21 | 2018-11-21 | 一种容积脉搏波提取方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109512416A true CN109512416A (zh) | 2019-03-26 |
Family
ID=65778225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811388463.4A Pending CN109512416A (zh) | 2018-11-21 | 2018-11-21 | 一种容积脉搏波提取方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109512416A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113397497A (zh) * | 2021-06-10 | 2021-09-17 | 维沃移动通信有限公司 | 信号处理方法、装置和电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8185357B1 (en) * | 2002-08-23 | 2012-05-22 | The United States Of America As Represented By The Secretary Of The Navy | Nonlinear blind demixing of single pixel underlying radiation sources and digital spectrum local thermometer |
| CN106491117A (zh) * | 2016-12-06 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种基于ppg心率测量技术的信号处理方法及装置 |
| CN107334469A (zh) * | 2017-07-24 | 2017-11-10 | 北京理工大学 | 基于支持向量机的非接触多人心率测量方法及装置 |
| CN108652609A (zh) * | 2018-05-17 | 2018-10-16 | 歌尔科技有限公司 | 一种心率获取方法、***及可穿戴式设备 |
-
2018
- 2018-11-21 CN CN201811388463.4A patent/CN109512416A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8185357B1 (en) * | 2002-08-23 | 2012-05-22 | The United States Of America As Represented By The Secretary Of The Navy | Nonlinear blind demixing of single pixel underlying radiation sources and digital spectrum local thermometer |
| CN106491117A (zh) * | 2016-12-06 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种基于ppg心率测量技术的信号处理方法及装置 |
| CN107334469A (zh) * | 2017-07-24 | 2017-11-10 | 北京理工大学 | 基于支持向量机的非接触多人心率测量方法及装置 |
| CN108652609A (zh) * | 2018-05-17 | 2018-10-16 | 歌尔科技有限公司 | 一种心率获取方法、***及可穿戴式设备 |
Non-Patent Citations (3)
| Title |
|---|
| XIAOBAI LI 等: "Remote Heart Rate Measurement From Face Videos Under Realistic Situations", 《2014 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
| 刘赫: "容积脉搏成像特征提取方法研究及在生理信号检测的应用", 《中国博士学位论文全文数据库 信息科技辑》 * |
| 王亿勤 等: "《中医诊断学研究思路与方法》", 30 September 2008 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113397497A (zh) * | 2021-06-10 | 2021-09-17 | 维沃移动通信有限公司 | 信号处理方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5984841B2 (ja) | 特性信号から情報を抽出する装置及び方法 | |
| JP5578297B1 (ja) | 画像処理装置及びプログラム | |
| JP2016221264A5 (zh) | ||
| CN105989357A (zh) | 一种基于人脸视频处理的心率检测方法 | |
| CN112233813A (zh) | 一种基于ppg的非接触式无创心率呼吸测量方法及*** | |
| CN111134650A (zh) | 心率信息获取方法、装置、计算机设备和存储介质 | |
| EP2760338A1 (en) | Anisotropic processing of laser speckle images | |
| DE102011056489A1 (de) | Adaptive Zeitbereichsfilterung zur Verbesserung der Blutdruckeinschätzung | |
| JP6784403B2 (ja) | 心拍変動の推定方法、心拍変動の推定プログラム及び心拍変動推定システム | |
| Van Doorn et al. | Detectability of velocity gradients in moving random-dot patterns | |
| CN109782414A (zh) | 一种基于无参考结构清晰度的自动调焦方法 | |
| US20180070887A1 (en) | Blood pressure measuring device and blood pressure measuring method using the same | |
| KR101798228B1 (ko) | 영상을 이용한 맥박 측정 방법 | |
| CN110448267A (zh) | 一种多模眼底动态成像分析***及其方法 | |
| CN106974617A (zh) | 一种高效准确的信号预处理方法及信号波峰检测方法 | |
| Mao et al. | Multi-directional laplacian pyramid image fusion algorithm | |
| CN109512418A (zh) | 一种容积血流脉搏成像降低运动噪声方法 | |
| CN109512416A (zh) | 一种容积脉搏波提取方法及*** | |
| CN105809633B (zh) | 去除颜色噪声的方法及装置 | |
| KR102284671B1 (ko) | 피부영상을 이용한 혈압 측정 방법 및 장치 | |
| KR102082292B1 (ko) | 카메라 기반 광용적맥파 추정 | |
| CN111513701A (zh) | 心率检测方法、装置、计算机设备和可读存储介质 | |
| CN114037626A (zh) | 血管成像方法、装置、设备及存储介质 | |
| CN109645956B (zh) | 眼睛屈光度测量装置 | |
| US20040260177A1 (en) | Change detection for optimized medical imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |