TW201315438A - 非接觸式之心脈量測方法及其系統 - Google Patents
非接觸式之心脈量測方法及其系統 Download PDFInfo
- Publication number
- TW201315438A TW201315438A TW100137384A TW100137384A TW201315438A TW 201315438 A TW201315438 A TW 201315438A TW 100137384 A TW100137384 A TW 100137384A TW 100137384 A TW100137384 A TW 100137384A TW 201315438 A TW201315438 A TW 201315438A
- Authority
- TW
- Taiwan
- Prior art keywords
- target
- contact
- color
- heart rate
- data
- Prior art date
Links
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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1032—Determining colour for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一種非接觸式之心脈量測方法及其系統,其係使用一視訊擷取模組擷取至少一可見光影像,再透過一心脈運算模組將可見光影像予以標記與追蹤,以得出至少一待測目標物,並統計各待測目標物於多個時間點之色彩特徵值,經頻域轉換,以量測出各待測目標物之心脈率數值,而可達到全自動非接觸方式且單次多人之心脈率估量,以使其可廣泛地應用於各種量測心脈率的領域。本方法及其系統具有成本低且易於設置、全自動非接觸單次量測多人之心脈率與可應用於人體多個區域以估算心脈率的優點。
Description
一種非接觸式之心脈量測方法及其系統,其相關於一種運用可見光影像之心脈率量測的技術。
心脈率為人體之重要生理訊號之一,故醫療人員或個人常會藉由量測心脈率,以判斷生理狀態。
現有的心脈量測器材係多為接觸式裝置,較為常見有三種:
第一種,其係為血氧濃度計(Pulse Oximeter),其係為量測人體血液中血紅素帶氧能力之儀器,該儀器係利用非侵入式光技術,藉由不同波長的光源,於穿透人體組織,如手指處,再利用穿透光源變化量計算出人體血液中帶氧濃度變化的訊號,並配合程式運算,以得出血氧濃度與心脈值;
第二種,其係為脈搏/血壓計(Sphygmomanometer),其係使用氣囊充氣擠壓動脈達到阻止血液流動,而後在慢慢洩壓,於此過程中,一壓力感測器係偵測氣囊的氣壓與微小脈動,以量測心脈率與血壓;
第三種,其係為心電圖(Electrocardiogram),其係於一受測者的身體黏貼多個感應片,藉由感應片感測心脈率。
如上所述之三種接觸式裝置皆單次僅可量測一人,無法進行連續性多人量測,心電圖之感應片易造成受測者心理上的不適,並且心電圖的設備較為昂貴,亦不適用。
為了可擴展至多人心脈量測應用,現今已開發有非接觸式之心脈量測方式,其具有兩種:
第一種,其係利用遠紅外光裝置感測人體之外顯特徵,再進一步分析影像之差異度,以推估心脈率;
第二種,其係利用可見光之心脈量測,其係以攝影機拍攝並偵測人臉,再以人工方式標示人臉中多組區域,或採用全人臉區域,以分析血液流動於人臉影響產生之週期變化,而估測心脈率。
如上所述之二種非接觸式之心脈量測方式,遠紅外光裝置的價格昂貴,較不普遍,可見光之心脈量測雖可結合人臉偵測演算法於一畫面中標示出多組人臉,而達到單次多人的心脈量測,但僅適用於正面人臉,並且需要高運量的演算法,而且人臉區域中包含許多未含心脈資訊之無意義區域,如眉毛、眼睛、鼻孔或鬍鬚,該無意義區域可能影響準確度。
有鑑於上述之缺點,本揭露係提供一種非接觸式之心脈量測方法及其系統,其使用低運算量之膚色偵測器快速獲得膚色區域,透過標記與追蹤等程序區分出畫面中待測目標物之所在區域,藉由統計各目標物於不同時間點之色彩特徵值,再搭配頻域轉換方法以量測出各目標物之心脈率數值,以達到全自動非接觸方式且單次多人之心脈率估量。
為了達到上述之目的,本揭露一實施例係提供一種非接觸式之心脈量測方法,其步驟包含有:視訊擷取,其係擷取包含至少一人體皮膚區域之視訊或影像的圖案資訊;膚色偵測,其係判斷該圖案資訊中與膚色相近之像素點,以輸出該圖案資訊中各像素是否為膚色點之旗標值,以得知圖案資訊中所有膚色點與其對應之色彩值;目標物標記,其係決定至少一待量測之目標物的位置,以及取得與統計目標物所具有之像素資訊;色彩統計,其係統計該圖案資訊中之單一畫面的目標物,以得至少一目標物區域之色彩特徵值;目標物追蹤,其係於至少一目標物區域中在多個時間點之空間關係,以取得至少一目標物的移動軌跡;頻域轉換,其係統計多個時間點的資料,並將該資料轉換至頻域,以得知該信號分布之頻帶及比例;心脈偵測,係依據該圖案資料之相鄰畫面之時距,以計算出各頻帶所代表之心脈率。
為了達到上述之目的,本揭露一實施例提供一種非接觸式之心脈量測系統,其包含有:一可擷取含有至少一人之人體皮膚區域的視訊或影像的圖像資訊之視訊擷取模組;以及一依據該圖像資訊,以計算出至少一心脈率之心脈運算模組。
如上所述之非接觸式之心脈量測方法及其系統,該視訊擷取模組可為攝影機,或螢幕畫面、視訊檔案、網路視訊串流之影像擷取程式等,並且本揭露無需高運算量之人臉偵測演算法,故易於任何系統中實施,並且可應用在人體多個部位,例如頭頸、手臂及手掌等區域,以估測心脈率,藉此達到全自動單次量測多人之心脈率。
承上所述,本揭露可應用的領域可包含有通用性健康評估、生理及心理狀況預測、智能房間(Smart Room)、人機互動(Human Computer Interaction)、測謊測試(Polygraphy Testing)、意圖辨識(Intent Identification)或其他需要非接觸式量測心脈率之應用領域。
以下係藉由特定的具體實施例說明可實施方式範例,所屬技術領域中具有通常知識者可由本說明書所揭示之內容輕易地瞭解其他優點與功效。
請配合參考圖一所示,本揭露之一種非接觸式之心脈量測系統,其包含有一視訊擷取模組10、一心脈運算模組20、一資料載體30與一顯示裝置40。
請配合參考圖二至四所示,視訊擷取模組10係擷取含有至少一人之人體皮膚區域的視訊或影像的圖像資訊,該圖像資訊的格式係可為三原色(Red、Green與Blue,RGB)、True-Color顏色空間(亮度Luminance、色度Chrominance與濃度Chroma,簡稱YUV)或色彩屬性模式(色相、飽和度與明度,簡稱HSV),視訊擷取模組10係可為攝影機50、具有參考模板61之攝影機60(如圖三A所示)、具有攝影機700之手持裝置70,或者一可擷取畫面、視訊檔案、網路視訊串流之程式,攝影機50、60係可為網路攝影機,該手持裝置70可進一步具有一參考模板71(如圖四B所示)。
請配合參考圖五所示,心脈運算模組20具有一膚色偵測模組21、一目標物標記模組22、一色彩統計模組23、一目標物追蹤模組24、一頻域轉換模組25與一心脈估測模組26。
膚色偵測模組21係判斷該圖案資訊中與人體膚色相近之像素點,並輸出膚色點之旗標值。
目標物標記模組22係依據膚色點之旗標值,以得出至少一目標物的位置,以及取得與統計目標物所具有之像素資訊。
色彩統計模組23係依據目標物,以得出至少一目標物區域之色彩特徵值。
目標物追蹤模組24係追蹤目標物,而得到各目標物區域於多個時間點之空間關係,以取得至少一目標物之移動軌跡。
頻域轉換模組25係統計多個時間點之資料,並將其轉換至頻域,以得出至少一信號分布之頻帶(Band,b)及其比例。心脈估測模組26依據一已知的圖像資訊之相鄰畫面的時距,以計算出各頻帶所代表之心脈率,心脈率為一單位時間內之心跳總數。
資料載體30係可儲存心脈率或運算所需之參數。
顯示裝置40係可顯示心脈率。
請配合參考圖六所示,本揭露之一種非接觸式之心脈量測方法,其步驟包含有:視訊擷取80,其係經由視訊擷取模組10,以擷取包含至少一人體皮膚區域之視訊或影像的圖案資訊,該圖案資訊的取得可由至少一自畫面擷取的影像、至少一所開啟的視訊檔案、至少一所連接的視訊串流、至少一攝影機所拍攝的影像或至少一通訊裝置所拍攝的影像,該圖案資訊係依一時序儲存於至少一可讀取裝置中,以供讀取運算,該可讀取裝置係可為一記憶體,該圖案資訊的格式可為RGB、YUV或HSV。
請配合參考圖七A所示,其係為經擷取之圖案資訊,其係顯示一頭頸A、手臂內側B、手臂外側C與掌心D之區域。
膚色偵測81,心脈運算模組20之膚色偵測模組21,其係判斷圖案資訊中與膚色相近之像素點,以輸出圖案資訊中各像素是否為膚色點之旗標值,其係依據該圖案資訊的格式,並依一類神經網路(Neural Networks)為基礎之色彩分類,以作膚色偵測,經膚色偵測後,以得知圖案資訊中所有膚色點與其對應之色彩值,該色彩分類係詳述於K. K. Bhoyar and O. G. Kakde,"Skin color detection model using neural networks and its performance evaluation,"Journal of Computer Science,vol. 6,pp. 955-960,2010,故不在此多作說明,特先陳明。
請配合參考圖七B所示,其係經膚色偵測後之圖案資訊的區域影像,如圖所示,其係為一頭頸A1、手臂內側B1、手臂外側C1與掌心D1之區域影像。
其中,t為一時間點,令I t 為時間點t之視訊資料,稱為單幀畫面或畫格,p t ={c 1 ,c 2 ,...,c k }為I t 上某畫素x t 之色彩,其中c 1 ,c 2 ,...,c k 為各色彩頻道之數值,舉例而言,若以RGB24為例k=3、c k E[0,255]。藉由視訊擷取程序可獲得各畫素之色彩值p t 。
目標物標記82,心脈運算模組20之目標物標記模組22,其係決定至少一待量測之目標物的位置,以及取得與統計目標物所具有之像素資訊。
該目標物標記82可有下列兩種方式:其一,依據該旗標值,並透過連通元件標記(Connected Component Labeling)的方法,將聚鄰之膚色點標記為相同之標籤,以形成一區域,再透過一設定臨界值以過濾面積太小或太大之區域,符合該設定臨界值之區域則視為目標物。該連通元件標記的方法係詳述於L. G. Shapiro and G. C. Stockman,Computer Vision. Upper Saddle River: Prentice Hall,2001.,故不多作贅述,特先陳明。
如圖七C所示,其係透過連通元件標記之運算,以求得之所標記出的目標物的位置,即為一頭頸A2、手臂內側B2、手臂外側C2與掌心D2。
另一,定義至少一感興趣區域,請再配合參考圖三或四所示,參考模板61、71係為前述之感興趣區域,如圖三A、三B所示,舉例而言,若將一手掌E放置於參考模板61,攝影機60係擷取手掌E的圖案資訊,該圖案資訊於膚色偵測81之步驟後係成為旗標值,則位於該參考模板61範圍中之旗標值則為目標物,簡而言之,即上述之手掌E與參考模板61之疊合位置;請再配合參考圖四A、四B所示,手持裝置70係擷取一臉部F之圖案資訊,如前所述,該臉部F與與參考模板71之疊合位置則為目標物,如前所述之手掌E與臉部F僅用於說明,而非限制,若所得之圖案資訊的尺寸可與參考模板疊合,則任何圖案資訊皆可應用。
色彩統計83,心脈運算模組20之色彩統計模組23,其係統計該圖案資訊中之單一畫面的目標物,以得至少一目標物區域之色彩特徵值,其計算公式如下:
其中,於時間點t,i為目標物區域索引值,為色彩特徵值,為目標物區域,為膚色點,為對應膚色點之色彩值,為該目標物區域之膚色點數量。如圖八所示,其為一頭頸區域於不同時間點(畫格)之色彩統計結果,該區域亦可為上述之手臂內側、手臂外側或掌心等區域。
目標物追蹤84,心脈運算模組20之目標物追蹤模組24,其係於至少一目標物區域中在多個時間點之空間關係,以取得至少一目標物的移動軌跡。
舉例而言,記錄圖案資訊之每張畫面的目標物之位置,並將相鄰畫面中座標重疊之目標物視為單一物體,以記錄其軌跡。
承上所述,其係為於時間點t,圖案資訊之畫面的目標物區域,可得畫面中之可追蹤的目標物數量M t 及目標物資訊 ,j=1,2,...M t ,其中目標物區域屬於,而為至少一目標物於各時間點之色彩特徵值集合。
頻域轉換85,心脈運算模組20之頻域轉換模組25,其係統計至少一個時間點的資料,並將該資料轉換至頻域(Frequency Domain),以顯示信號分布之頻帶(Band)及其比例,該比例亦可被稱為係數,該係數係詳述於B. Boashash,Time-Frequency Signal Analysis and Processing-A Comprehensive Reference. Oxford: Elsevier Science,2003.,故不多作贅述,特先陳明。
承上所述,該轉換的方法可為離散傅立葉轉換、快速傅立葉轉換(Discrete/Fast Fourier Transform,DFT/FFT)、離散餘弦轉換(Discrete Cosine Transformation,DCT)、哈達碼轉換(Hadamard Transform,HT)或離散小波轉換(Discrete Wavelet Transformation,DWT)之其中一者,該轉換係詳述於上述之B. Boashash的著作,故不多作贅述,特先陳明。
舉例而言,以第j個追蹤之目標物,其離散傅立葉轉換公式如下:
其中,T為序列資料之數量,e為自然對數之底數,i為虛數單位,X j (b)為轉換後第b個頻帶之係數,因此,透過轉換後可求得T-1個頻帶所對應之係數集合,即構成頻譜圖(Power Spectrum),舉例而言,若以RGB為例,X j (b)中包含色彩頻道R/G/B之三組頻帶係數值,如圖九A至九C所示,其中橫軸為頻帶索引值(b),縱軸為頻帶之係數,而該轉換方法可為傅立葉轉換。
於此頻域轉換85之步驟中,其中T為影響量測所需時間之主因,故於此步驟中進一步具有一序列資料調整,以動態調整T,進而可快速獲得頻域轉換的結果。
如圖十所示,序列資料調整具有下述之步驟:設定初始值90,於一預先設定的心脈量測時段內,一視訊擷取裝置之幀率可得其最小及最大的序列資料之數量,於一時段內由小至大選用數個序列資料量作為預設參數,令集合W={w 1,w 2,...,w m }為預先選用之序列資料量集合且數值由小而大排列,其元素總數為|W|,以及設定一初始值m=1,以使輸入序列資料之數量T=w m 。
輸入視訊資料I t 91。
過濾可處理之資料數量範圍92,若上述之I t ,是否符合t≧w 1,m<|W|之條件,若為是,則至下一步驟。
判斷是否調整序列資料之數量93,經上述之步驟的I t ,是否符合t≧w m + 1 ,若為是,則至下一步驟。
擴展序列資料之數量94,增加序列資料之數量。
上述之過濾可處理之資料數量範圍92之步驟與判斷是否調整序列資料之數量93之步驟,若所得之結果分別為否,則回到輸入視訊資料91之步驟,而擴展序列資料之數量94之步驟可再回到輸入視訊資料91之步驟重新開始每一步驟。
上述之步驟係於視訊擷取初期以較少資料量進行頻率轉換,故可短時間內獲得轉換數值,並隨著擷取時間長度自動加大取樣資料量以提升精度。
心脈偵測86,心脈運算模組20之心脈估測模組26,其係依據圖案資料之相鄰畫面之時距,以計算出各頻帶b所代表之心脈率H(b) bpm,令圖案資料之幀率(Frame Rate)為K fps,則頻帶b與心脈率H(b)之轉換公式如下:
預先設定一合理心脈率之最小值及最大值,對目標物取此合理心脈率區間內具最強係數之頻帶,並搭配方程式轉換求得目標物之心脈率,若以合理的心脈率為例,頻帶之算式如下:
承上所述,請配合參考圖十一與圖十二,圖十一係為至少三人G1、G2、G3於一圖案資料的畫面中,如圖十二所示,每一人具有至少二個目標物H1、H2、H3、H4、H5、H6、H7,可利用上述之目標物標記的步驟,以得知畫面中各人員之所在區域範圍,再判斷哪些目標物位於此人員區域內。已知各目標物均可估測得一心脈率。
綜合上述,本揭露之方法及其系統,其可應用視訊擷取模組擷取影像,該視訊擷取模組可為攝影機,或螢幕畫面、視訊檔案、網路視訊串流之影像擷取程式等,並且全自動單次量測多人之心脈率,而且無須高運算量之人臉偵測演算法,以及可應用於人體的多個部位,如頭頸、手臂及手掌等區域,以估測心脈率。
惟以上所述之具體實施例,僅係用於例釋之特點及功效,而非用於限定本揭露之可實施範疇,於未脫離本揭露上揭之精神與技術範疇下,任何運用本揭露所揭示內容而完成之等效改變及修飾,均仍應為下述之申請專利範圍所涵蓋。
10...視訊擷取模組
20...心脈運算模組
21...膚色偵測模組
22...目標物標記模組
23...色彩統計模組
24...目標物追蹤模組
25...頻域轉換模組
26...心脈估測模組
30...資料載體
40...顯示裝置
50...攝影機
60...攝影機
61...參考模板
70...手持通訊裝置
700...攝影機
71...參考模板
80~86...步驟
90~94...步驟
E...手掌
F...臉部
A...頭頸
B...手臂內側
C...手臂外側
D...掌心
A1...頭頸
B1...手臂內側
C1...手臂外側
D1...掌心
圖一係本揭露之非接觸式之心脈量測系統之示意圖。
圖二係本揭露之視訊擷取模組之第一實施例之示意圖。
圖三A係本揭露之視訊擷取模組之第二實施例之示意圖。
圖三B係本揭露之參考模板之於視訊擷取模組之第二實施例之示意圖。
圖四A係本揭露之視訊擷取模組之第三實施例之示意圖。
圖四B係本揭露之參考模板之於視訊擷取模組之第二實施例之示意圖。
圖五係本揭露之心脈運算模組之示意圖。
圖六係本揭露之非接觸式之心脈量測方法之流程示意圖。
圖七A係經擷取之圖案資訊之示意圖。
圖七B係經膚色偵測後之圖案資訊的區域影像之示意圖七C係所標記出的目標物的位置之示意圖。
圖八係色彩特徵值(color value)與訊框索引(frame index)之色彩時序統計圖。
圖九A至圖九C係序列資料經頻域轉換之轉換結果統計圖。
圖十係序列資料調整之流程示意圖。
圖十一係至少三人於一圖案資料的畫面中之示意圖。
圖十二係每一人具有至少二個目標物之示意圖。
80~86...步驟
Claims (20)
- 一種非接觸式之心脈量測方法,其步驟包含有:視訊擷取,其係擷取包含至少一人體皮膚區域之視訊或影像的圖案資訊;膚色偵測,其係判斷該圖案資訊中與膚色相近之像素點,輸出該圖案資訊中各像素是否為膚色點之旗標值,以得知圖案資訊中所有膚色點與其對應之色彩值;目標物標記,其係決定至少一待量測之目標物的位置,以及取得與統計目標物所具有之像素資訊;色彩統計,其係統計該圖案資訊中之單一畫面的目標物,以得至少一目標物區域之色彩特徵值;目標物追蹤,其係於至少一目標物區域中在多個時間點之空間關係,以取得至少一目標物的移動軌跡;頻域轉換,其係統計多個時間點的資料,並將該資料轉換至頻域,以得知該信號分布之頻帶及比例;心脈偵測,係依據該圖案資料之相鄰畫面之時距,以計算出各頻帶所代表之心脈率。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該視訊擷取之步驟中,該圖案資訊的取得可由至少一自畫面擷取的影像、至少一所開啟的視訊檔案、至少一所連接的視訊串流、至少一攝影機所拍攝的影像或至少一手持裝置所拍攝的影像,該圖案資訊係依一時序儲存於至少一可讀取裝置中。
- 如申請專利範圍第2項所述之非接觸式之心脈量測方法,其中於該視訊擷取之步驟中,該可讀取裝置係可為一記憶體,該圖案資訊的格式可為RGB、YUV或HSV之一者。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該膚色偵測之步驟中,其係依一類神經網路為基礎之色彩分類,以作膚色偵測。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該目標物標記之步驟中,其係依據該旗標值,並透過連通元件標記的方法,將聚鄰之膚色點標記為相同之標籤,以形成一區域,再透過一設定臨界值以過濾面積太小或太大之區域,符合該設定臨界值之區域則視為目標物。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該目標物標記之步驟中,其係定義至少一感興趣區域,則位於該感興趣區域範圍中之旗標值係為目標物。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該色彩統計之步驟中,該色彩特徵值之計算公式為
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該目標物追蹤之步驟中,其係記錄該圖案資訊之每張畫面的目標物之位置,並將相鄰畫面中座標重疊之目標物視為單一物體,以記錄其軌跡,
- 如申請專利範圍第8項所述之非接觸式之心脈量測方法,其中於該目標物追蹤之步驟中,其係於一時間點t,該圖案資訊之畫面的目標物區域,可得畫面中之可追蹤的目標物數量M t 及目標物資訊,j=1,2,...M t ,其中目標物區域屬於,而為至少一目標物於各時間點之色彩特徵值集合。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該頻域轉換之步驟中,其係該轉換的方法可為離散傅立葉轉換、快速傅立葉轉換、離散餘弦轉換、哈達碼轉換或離散小波轉換之其中一者。
- 如申請專利範圍第10項所述之非接觸式之心脈量測方法,其中於該頻域轉換之步驟中,其以一第j個追蹤之目標物,其離散傅立葉轉換公式為:
- 如申請專利範圍第10項所述之非接觸式之心脈量測方法,其中於該頻域轉換之步驟中,其進一步具有一序列資料調整,其步驟具有:設定初始值,於一預先設定的心脈量測時段內,一視訊擷取裝置之幀率可得其最小及最大的序列資料之數量,於一時段內由小至大選用數個序列資料量作為預設參數,令集合W={w 1,w 2,...,w m }為預先選用之序列資料量集合且數值由小而大排列,其元素總數為|W|,以及設定一初始值m=1,以使序列資料之數量T=w m ;輸入視訊資料I t ;過濾可處理之資料數量範圍,若上述之I t ,是否符合t≧w 1,m<|W|之條件,若為是,則至下一步驟;判斷是否調整序列資料之數量,經上述之步驟的I t ,是否符合t≧w m + 1 ,若為是,則至下一步驟;擴展序列資料之數量,增加序列資料之數量。
- 如申請專利範圍第1項所述之非接觸式之心脈量測方法,其中於該心脈偵測之步驟中,該圖案資料之幀率為K fps,T為序列資料之數量,則頻帶b與心脈率H(b)之轉換公式為:
- 如申請專利範圍第13項所述之非接觸式之心脈量測方法,其中於該心脈偵測之步驟中,其係設定一合理心脈率之最小值及最大值,對該目標物取此合理心脈率區間內具最強係數之頻帶,並搭配方程式轉換求得目標物之心脈率,X j (b)為頻帶係數值,頻帶之算式為
- 一種非接觸式之心脈量測系統,其包含有:一可擷取含有至少一人之人體皮膚區域的視訊或影像的圖像資訊之視訊擷取模組;以及一依據該圖像資訊,以計算出至少一心脈率之心脈運算模組。
- 如申請專利範圍第15項所述之非接觸式之心脈量測系統,其進一步具有一可儲存該心脈率或運算所需參數之資料載體與一可顯示該心脈率之顯示裝置。
- 如申請專利範圍第15項所述之非接觸式之心脈量測系統,其中該圖像資訊的格式係可為RGB、YUV或HSV之其中一者。
- 如申請專利範圍第15項所述之非接觸式之心脈量測系統,其中該視訊擷取模組係可為一攝影機、一具有攝影機之手持裝置或一可擷取螢幕畫面、視訊檔案或網路視訊串流之程式。
- 如申請專利範圍第18項所述之非接觸式之心脈量測系統,其中該攝影機具有一參考模板,該攝影機係可為一網路攝影機,或者該手持通訊裝置可進一步具有一參考模板。
- 如申請專利範圍第15項所述之非接觸式之心脈量測系統,其中該心脈運算模組具有:一判斷該圖案資訊中與人體膚色相近之像素點,並輸出膚色點之旗標值之膚色偵測模組;一依據膚色點之旗標值,以得出至少一目標物的位置,以及取得與統計目標物所具有之像素資訊之目標物標記模組;一依據該目標物,以得出至少一目標物區域之色彩特徵值之色彩統計模組;一追蹤該目標物,而得到各目標物區域於多個時間點之空間關係,以取得至少一目標物之移動軌跡之目標物追蹤模組;一統計多個時間點之資料,並將其轉換至頻域,以得出至少一信號分布之頻帶及其比例之頻域轉換模組;一依據一已知的圖像資訊之相鄰畫面的時距,以計算出各頻帶所代表之心脈率之心脈估測模組。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100137384A TW201315438A (zh) | 2011-10-14 | 2011-10-14 | 非接觸式之心脈量測方法及其系統 |
CN2011103716467A CN103040452A (zh) | 2011-10-14 | 2011-11-10 | 非接触式的心脉量测方法及其*** |
US13/563,394 US20130096439A1 (en) | 2011-10-14 | 2012-07-31 | Method and system for contact-free heart rate measurement |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100137384A TW201315438A (zh) | 2011-10-14 | 2011-10-14 | 非接觸式之心脈量測方法及其系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201315438A true TW201315438A (zh) | 2013-04-16 |
Family
ID=48053474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100137384A TW201315438A (zh) | 2011-10-14 | 2011-10-14 | 非接觸式之心脈量測方法及其系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20130096439A1 (zh) |
CN (1) | CN103040452A (zh) |
TW (1) | TW201315438A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI556793B (zh) * | 2015-07-09 | 2016-11-11 | 國立臺灣科技大學 | 非接觸式即時生理訊號及動作偵測方法 |
TWI559899B (zh) * | 2014-04-29 | 2016-12-01 | Chunghwa Telecom Co Ltd | |
CN110501696A (zh) * | 2019-06-28 | 2019-11-26 | 电子科技大学 | 一种基于多普勒量测自适应处理的雷达目标跟踪方法 |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2023812B1 (en) | 2006-05-19 | 2016-01-27 | The Queen's Medical Center | Motion tracking system for real time adaptive imaging and spectroscopy |
WO2013032933A2 (en) | 2011-08-26 | 2013-03-07 | Kinecticor, Inc. | Methods, systems, and devices for intra-scan motion correction |
US10327708B2 (en) | 2013-01-24 | 2019-06-25 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US9305365B2 (en) | 2013-01-24 | 2016-04-05 | Kineticor, Inc. | Systems, devices, and methods for tracking moving targets |
US9717461B2 (en) | 2013-01-24 | 2017-08-01 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
WO2014120734A1 (en) | 2013-02-01 | 2014-08-07 | Kineticor, Inc. | Motion tracking system for real time adaptive motion compensation in biomedical imaging |
US10238292B2 (en) | 2013-03-15 | 2019-03-26 | Hill-Rom Services, Inc. | Measuring multiple physiological parameters through blind signal processing of video parameters |
CN104274164A (zh) * | 2013-07-05 | 2015-01-14 | 广州华久信息科技有限公司 | 一种基于人脸图像的血压预测方法及手机 |
TWI549649B (zh) | 2013-09-24 | 2016-09-21 | 廣達電腦股份有限公司 | 頭戴式系統 |
TWI546052B (zh) * | 2013-11-14 | 2016-08-21 | 財團法人工業技術研究院 | 影像式心率活動偵測裝置及其方法 |
CN104699931B (zh) * | 2013-12-09 | 2018-05-25 | 广州华久信息科技有限公司 | 一种基于人脸的神经网络血压预测方法及手机 |
US9336594B2 (en) | 2014-03-07 | 2016-05-10 | Xerox Corporation | Cardiac pulse rate estimation from source video data |
US10004462B2 (en) | 2014-03-24 | 2018-06-26 | Kineticor, Inc. | Systems, methods, and devices for removing prospective motion correction from medical imaging scans |
US9575560B2 (en) | 2014-06-03 | 2017-02-21 | Google Inc. | Radar-based gesture-recognition through a wearable device |
WO2016014718A1 (en) | 2014-07-23 | 2016-01-28 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US9811164B2 (en) | 2014-08-07 | 2017-11-07 | Google Inc. | Radar-based gesture sensing and data transmission |
US11169988B2 (en) | 2014-08-22 | 2021-11-09 | Google Llc | Radar recognition-aided search |
US9778749B2 (en) | 2014-08-22 | 2017-10-03 | Google Inc. | Occluded gesture recognition |
US9600080B2 (en) | 2014-10-02 | 2017-03-21 | Google Inc. | Non-line-of-sight radar-based gesture recognition |
EP3207865A4 (en) * | 2014-10-16 | 2017-10-25 | Panasonic Intellectual Property Management Co., Ltd. | Biological information processing device and biological information processing method |
US9390487B2 (en) * | 2014-10-20 | 2016-07-12 | Microsoft Technology Licensing, Llc | Scene exposure auto-compensation for differential image comparisons |
US9582879B2 (en) * | 2014-10-20 | 2017-02-28 | Microsoft Technology Licensing, Llc | Facial skin mask generation for heart rate detection |
US10064582B2 (en) | 2015-01-19 | 2018-09-04 | Google Llc | Noninvasive determination of cardiac health and other functional states and trends for human physiological systems |
CN105832307B (zh) * | 2015-01-29 | 2019-09-24 | 原相科技股份有限公司 | 阵列式生理检测***及其运作方法 |
JP6384365B2 (ja) * | 2015-03-05 | 2018-09-05 | オムロン株式会社 | 脈拍計測装置及びその制御方法 |
US10016162B1 (en) | 2015-03-23 | 2018-07-10 | Google Llc | In-ear health monitoring |
US9668688B2 (en) | 2015-04-17 | 2017-06-06 | Mossbridge Institute, Llc | Methods and systems for content response analysis |
KR102229658B1 (ko) | 2015-04-30 | 2021-03-17 | 구글 엘엘씨 | 타입-애그노스틱 rf 신호 표현들 |
WO2016176574A1 (en) | 2015-04-30 | 2016-11-03 | Google Inc. | Wide-field radar-based gesture recognition |
KR102328589B1 (ko) | 2015-04-30 | 2021-11-17 | 구글 엘엘씨 | 제스처 추적 및 인식을 위한 rf―기반 마이크로―모션 추적 |
US10080528B2 (en) | 2015-05-19 | 2018-09-25 | Google Llc | Optical central venous pressure measurement |
US20160338599A1 (en) * | 2015-05-22 | 2016-11-24 | Google, Inc. | Synchronizing Cardiovascular Sensors for Cardiovascular Monitoring |
US10088908B1 (en) | 2015-05-27 | 2018-10-02 | Google Llc | Gesture detection and interactions |
US10376195B1 (en) | 2015-06-04 | 2019-08-13 | Google Llc | Automated nursing assessment |
US9943247B2 (en) | 2015-07-28 | 2018-04-17 | The University Of Hawai'i | Systems, devices, and methods for detecting false movements for motion correction during a medical imaging scan |
US10817065B1 (en) | 2015-10-06 | 2020-10-27 | Google Llc | Gesture recognition using multiple antenna |
WO2017068571A1 (en) * | 2015-10-20 | 2017-04-27 | Lifebeam Technologies Ltd. | Wired audio headset with physiological monitoring |
CN108697367A (zh) | 2015-11-23 | 2018-10-23 | 凯内蒂科尓股份有限公司 | 用于在医学成像扫描期间跟踪并补偿患者运动的***、装置和方法 |
WO2017192167A1 (en) | 2016-05-03 | 2017-11-09 | Google Llc | Connecting an electronic component to an interactive textile |
CN106377240A (zh) * | 2016-08-30 | 2017-02-08 | 苏州品诺维新医疗科技有限公司 | 一种检测心跳速率的装置及方法 |
JP6765678B2 (ja) * | 2017-03-30 | 2020-10-07 | 株式会社エクォス・リサーチ | 脈波検出装置および脈波検出プログラム |
KR102487926B1 (ko) * | 2018-03-07 | 2023-01-13 | 삼성전자주식회사 | 심장 박동을 측정하기 위한 전자 장치 및 방법 |
CN110236509A (zh) * | 2018-03-07 | 2019-09-17 | 台北科技大学 | 于视频中实时分析生理特征的方法 |
TW201938107A (zh) * | 2018-03-19 | 2019-10-01 | 秀育企業股份有限公司 | 利用不可見光辨識與判定生理特徵的方法 |
JP6944901B2 (ja) * | 2018-03-29 | 2021-10-06 | 株式会社日立製作所 | 生体情報検出装置および生体情報検出方法 |
US10552986B1 (en) * | 2018-07-20 | 2020-02-04 | Banuba Limited | Computer systems and computer-implemented methods configured to track multiple eye-gaze and heartrate related parameters during users' interaction with electronic computing devices |
CN110279406B (zh) * | 2019-05-06 | 2022-07-15 | 苏宁金融服务(上海)有限公司 | 一种基于摄像头的无接触式的脉率测量方法及装置 |
CN110547783B (zh) * | 2019-07-31 | 2022-05-17 | 平安科技(深圳)有限公司 | 非接触性心率检测方法、***、设备及存储介质 |
CN114140838A (zh) * | 2020-08-14 | 2022-03-04 | 华为技术有限公司 | 一种图像管理的方法、装置、终端设备和*** |
US20230245488A1 (en) * | 2020-12-03 | 2023-08-03 | Imaging Tech Lab Llc | Method of acquiring biometric information on small animals, biometric information acquisition program, and biometric information acquisition device |
US20220192507A1 (en) * | 2020-12-17 | 2022-06-23 | Industrial Technology Research Institute | Method and system for dynamic physiological characteristic region capturing |
US20220309713A1 (en) * | 2021-03-26 | 2022-09-29 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8360986B2 (en) * | 2006-06-30 | 2013-01-29 | University Of Louisville Research Foundation, Inc. | Non-contact and passive measurement of arterial pulse through thermal IR imaging, and analysis of thermal IR imagery |
US8149273B2 (en) * | 2007-11-30 | 2012-04-03 | Fuji Xerox Co., Ltd. | System and methods for vital sign estimation from passive thermal video |
US20090226071A1 (en) * | 2008-03-06 | 2009-09-10 | Motorola, Inc. | Method and Apparatus to Facilitate Using Visible Light Images to Determine a Heart Rate |
WO2010100594A2 (en) * | 2009-03-06 | 2010-09-10 | Koninklijke Philips Electronics N.V. | Processing images of at least one living being |
US20110251493A1 (en) * | 2010-03-22 | 2011-10-13 | Massachusetts Institute Of Technology | Method and system for measurement of physiological parameters |
US8771201B2 (en) * | 2010-06-02 | 2014-07-08 | Vital Herd, Inc. | Health monitoring bolus |
US9020185B2 (en) * | 2011-09-28 | 2015-04-28 | Xerox Corporation | Systems and methods for non-contact heart rate sensing |
-
2011
- 2011-10-14 TW TW100137384A patent/TW201315438A/zh unknown
- 2011-11-10 CN CN2011103716467A patent/CN103040452A/zh active Pending
-
2012
- 2012-07-31 US US13/563,394 patent/US20130096439A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI559899B (zh) * | 2014-04-29 | 2016-12-01 | Chunghwa Telecom Co Ltd | |
TWI556793B (zh) * | 2015-07-09 | 2016-11-11 | 國立臺灣科技大學 | 非接觸式即時生理訊號及動作偵測方法 |
CN110501696A (zh) * | 2019-06-28 | 2019-11-26 | 电子科技大学 | 一种基于多普勒量测自适应处理的雷达目标跟踪方法 |
CN110501696B (zh) * | 2019-06-28 | 2022-05-31 | 电子科技大学 | 一种基于多普勒量测自适应处理的雷达目标跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
US20130096439A1 (en) | 2013-04-18 |
CN103040452A (zh) | 2013-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201315438A (zh) | 非接觸式之心脈量測方法及其系統 | |
Tasli et al. | Remote PPG based vital sign measurement using adaptive facial regions | |
KR102215557B1 (ko) | 얼굴 색상과 떨림을 이용한 카메라 기반 심박 측정 방법 및 시스템 | |
Aubakir et al. | Vital sign monitoring utilizing Eulerian video magnification and thermography | |
KR101738278B1 (ko) | 영상을 이용한 감정 인식 방법 | |
Fan et al. | Non-contact remote estimation of cardiovascular parameters | |
CN109259749A (zh) | 一种基于视觉摄像头的非接触式心率测量方法 | |
Lee et al. | Contact-free heart rate measurement using a camera | |
Qiao et al. | Measuring heart rate and heart rate variability with smartphone camera | |
CN111714105A (zh) | 基于ippg的人体生命体征感知*** | |
KR101752560B1 (ko) | 영상을 이용한 산소포화도 측정 방법 및 영상을 이용한 산소포화도 측정 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 | |
TWI492737B (zh) | 生理資訊量測系統及其方法 | |
Ganfure | Using video stream for continuous monitoring of breathing rate for general setting | |
CN111275018A (zh) | 一种基于环形感兴趣区域加权的非接触式心率信号提取方法 | |
CN112294282A (zh) | 基于rppg的情绪检测装置的自标定方法 | |
Panigrahi et al. | Non-contact HR extraction from different color spaces using RGB camera | |
Oviyaa et al. | Real time tracking of heart rate from facial video using webcam | |
Mehta et al. | CPulse: Heart rate estimation from RGB videos under realistic conditions | |
KR20180042673A (ko) | 영상을 이용한 호흡수 측정 방법 | |
KR102123121B1 (ko) | 사용자의 신원 파악이 가능한 혈압 모니터링 방법 및 시스템 | |
Uppal et al. | Heart rate measurement using facial videos | |
Dautov et al. | On the effect of face detection on heart rate estimation in videoplethysmography | |
Ben Salah et al. | Contactless heart rate estimation from facial video using skin detection and multi-resolution analysis | |
Mohd et al. | Facial visual-infrared stereo vision fusion measurement as an alternative for physiological measurement | |
TWI708924B (zh) | 影像式血壓量測裝置與方法 |