專(zhuān)利名稱：一種利用視覺(jué)信息監(jiān)測(cè)人體生理指標(biāo)的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用視覺(jué)信息監(jiān)測(cè)人體生理指標(biāo)的方法和系統(tǒng)，屬于檢測(cè)技術(shù)領(lǐng)域。
技術(shù)背景
無(wú)創(chuàng)、連續(xù)式監(jiān)測(cè)人體心率、呼吸率等生理指標(biāo)在家庭醫(yī)療保健與人體生理狀況監(jiān)測(cè)方面有重要的意義。隨著國(guó)內(nèi)生活水平的提高，人們的飲食結(jié)構(gòu)及生活習(xí)慣都發(fā)生了較大改變飲食涉入脂肪和膽固醇的含量明顯增加，蔬菜等高纖維成分減少；日?；顒?dòng)量減少，作息不規(guī)律，生活節(jié)奏變快，壓力增大等，這些都成為心血管疾病的溫床，心血管疾病已經(jīng)成為發(fā)展中國(guó)家的一個(gè)重要的死亡原因。然而，通常的醫(yī)療檢測(cè)都需要固定的精密儀器支持，且檢測(cè)方式也多為針對(duì)單一指標(biāo)、非連續(xù)測(cè)式量，如心電圖，臂式血壓計(jì)聽(tīng)診儀等。 這不僅難以大范圍普及，也不利于家庭成員身體情況的長(zhǎng)期檢測(cè)。
Photolethysmography (PPG,光電容積描記法)是本領(lǐng)域公知的利用光電手段在活體組織中無(wú)創(chuàng)檢測(cè)血液容積變化的方法。通常的PPG醫(yī)療儀器需要一個(gè)發(fā)光器和接收器。 發(fā)光器發(fā)射特定波長(zhǎng)的光束(通常是紅光和可見(jiàn)紅光)，照射到皮膚表面時(shí)光束通過(guò)透射或反射方式到達(dá)接收器。在此過(guò)程中由于光束受到皮膚肌肉組織和血液的吸收，光強(qiáng)有一定的衰減。由于心臟周期性搏動(dòng)弓I起的血液容積的變化，將影響皮膚血液對(duì)光的吸收量的變化，接收器接收到的強(qiáng)度呈脈動(dòng)性變化的，將此光強(qiáng)變化信號(hào)轉(zhuǎn)換成電信號(hào)便可獲得攜帶有豐富的人體微血管循環(huán)系統(tǒng)信息的容積脈搏血流的變化信號(hào)。
流形學(xué)習(xí)(Manifold Learning)是模式識(shí)別的基本方法。Bregler和Omohundro 在于 1995 年發(fā)表的 Nonlinear manifold learning for visual speech recognition 的文章中提出。流形學(xué)習(xí)使用有限點(diǎn)集合來(lái)計(jì)算嵌入在高維空間中的低維流形，從觀測(cè)到的現(xiàn)象中去尋找事物的本質(zhì)，找到產(chǎn)生數(shù)據(jù)的內(nèi)在規(guī)律。其基本思想是通過(guò)獲取數(shù)據(jù)集內(nèi)所蘊(yùn)含的幾何信息來(lái)進(jìn)行數(shù)據(jù)分析。本發(fā)明即將流形學(xué)習(xí)的方法應(yīng)用于PPG方法之中，以更科學(xué)地進(jìn)行生理指標(biāo)的測(cè)量工作。據(jù)現(xiàn)有知識(shí)來(lái)看，本發(fā)明首創(chuàng)了將流形學(xué)習(xí)的方法應(yīng)用在人體生理指標(biāo)的測(cè)量工作中的方式。
現(xiàn)有的基于PPG的技術(shù)，通常采用可以見(jiàn)光源或紅外傳感器，在手指尖耳垂部位測(cè)量，測(cè)量方式多為夾帶式，且測(cè)量指標(biāo)局限于血氧飽和度或心率。授權(quán)公告日為2009年 03月03日、授權(quán)公告號(hào)為200980106331. O的發(fā)明專(zhuān)利說(shuō)明書(shū)公開(kāi)了一種使用可見(jiàn)光圖像測(cè)定心率的方法。該方法可利用蜂窩電話相機(jī)等設(shè)備捕獲人體皮膚對(duì)應(yīng)的過(guò)個(gè)可見(jiàn)光圖像，通過(guò)降維處理測(cè)定對(duì)象心率。該方法雖然可以實(shí)現(xiàn)無(wú)創(chuàng)、連續(xù)測(cè)量，但利用普通的線性降維，處理方式過(guò)于簡(jiǎn)單，精確度低，且只能提供人體心率信息，不能滿足現(xiàn)代社會(huì)日益提高的各種測(cè)量需求。發(fā)明內(nèi)容
鑒于上述內(nèi)容，發(fā)明人經(jīng)潛心鉆研PPG技術(shù)與流形學(xué)習(xí)，對(duì)兩者進(jìn)行有機(jī)整合，提出本發(fā)明，以期即能實(shí)現(xiàn)無(wú)創(chuàng)、連續(xù)測(cè)量，也能對(duì)測(cè)量的各種參數(shù)及參數(shù)的準(zhǔn)確度進(jìn)行較大的提聞。
本發(fā)明的目的是提供一種利用視覺(jué)信息監(jiān)測(cè)人體生理指標(biāo)的方法和系統(tǒng)。
根據(jù)本發(fā)明的發(fā)明目的之一，其中提供一種利用視覺(jué)信息自動(dòng)監(jiān)測(cè)人體生理指標(biāo)的方法，包括步驟(I):通過(guò)采集裝置采集待測(cè)對(duì)象的視覺(jué)信息并存儲(chǔ)數(shù)據(jù)；步驟(2):對(duì)所選取的視覺(jué)信息進(jìn)行處理；步驟(3):對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)；步驟(4):對(duì)所提取的生理指標(biāo)返回顯示。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中在進(jìn)行所述采集視覺(jué)信息的步驟之前，先要檢測(cè)在采集部件鏡頭前是否有待測(cè)對(duì)象出現(xiàn)，當(dāng)檢測(cè)到待測(cè)對(duì)象時(shí)開(kāi)始工作，該檢測(cè)手段可通過(guò)紅外、感光等手段實(shí)現(xiàn)。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述采集待檢測(cè)對(duì)象視覺(jué)信息還包括，選取視覺(jué)信息中需要的預(yù)定視覺(jué)信息，將所選取的視覺(jué)信息壓縮為適合使用的特定格式并存儲(chǔ)。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中是在采集的視頻中檢測(cè)人臉圖像，并存儲(chǔ)視覺(jué)信息；所述檢測(cè)人臉圖像的方法是使用基于Adaboost、膚色、PCA、SVM等中的至少一種人臉檢測(cè)模型，檢測(cè)視頻序列中的視頻幀是否存在人臉，并返回人臉位置信息。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述存儲(chǔ)的視覺(jué)信息具體是所述視頻幀中返回的人臉位置信息，或部分區(qū)為感興趣區(qū)域，視頻彩色傳感器采集的RGB三通道像素的值；存儲(chǔ)視覺(jué)信息的方法具體是成功檢測(cè)到人臉時(shí)存儲(chǔ)以人臉為感興趣區(qū)域的視覺(jué)信息作為后續(xù)處理；若某一幀檢測(cè)人臉失敗，以上一幀的信息作為當(dāng)前存儲(chǔ)信息；連續(xù)I秒不能檢測(cè)到人臉則停止生理指標(biāo)監(jiān)測(cè)。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述對(duì)采集的視覺(jué)信息進(jìn)行處理為當(dāng)采集的視覺(jué)信息量達(dá)到監(jiān)測(cè)初始量Ltl時(shí)，利用流形學(xué)習(xí)方法從采集的原始信息中恢復(fù)隱含的包含較少的光線變化影響的人體生理PPG信號(hào)。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述對(duì)采集的視覺(jué)信息進(jìn)行處理進(jìn)一步還包括去除PPG信號(hào)中的奇異點(diǎn)，并對(duì)PPG信號(hào)進(jìn)行濾波處理，提取隱含的BVP(Blood Volume Pulse，血容積脈搏波)信號(hào)。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)為利用處理后的BVP信號(hào)求取人體生理指標(biāo)心率fHK。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中具體方法為先進(jìn)行三次樣條插值保證存在數(shù)據(jù)存在連續(xù)的一階微分值；取插值后的數(shù)據(jù)上一階微分最大值為特征點(diǎn)，利用所有相鄰特征點(diǎn)時(shí)間間隔計(jì)算心臟搏動(dòng)平均時(shí)間f;利用如下公式計(jì)算心率Am =60/7O
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)為利用處理后的BVP信號(hào)求取人體生理指標(biāo)呼吸率fKK。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中具體方法為對(duì)BVP進(jìn)行頻域分析，取頻率范圍為[Rhl，Rh2]的高頻部分，利用峰值頻率/ W，得到呼吸率As =60 X Zhf^。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中以Ltl為邊長(zhǎng)，L1為步長(zhǎng)的滑動(dòng)窗口重復(fù)處理，以實(shí)現(xiàn)連續(xù)的人體生理指標(biāo)監(jiān)測(cè)；同時(shí)檢測(cè)連續(xù)的L2時(shí)間內(nèi)是否有生理指標(biāo)異常；如果連續(xù)L2時(shí)間內(nèi)持續(xù)檢測(cè)到某一生理指標(biāo)異常，則啟動(dòng)生理指標(biāo)異常報(bào)警；否則返回步驟(2)繼續(xù)監(jiān)測(cè)。
根據(jù)本發(fā)明進(jìn)一步的發(fā)明目的，其中所述提取的人體生理指標(biāo)包括心搏動(dòng)周期、 心率、呼吸率、心率變異性、呼吸性豆蘧心率不齊、血氧飽和度、心搏輸出量、血壓以及可由這些生理指標(biāo)分析得出的相關(guān)生理指標(biāo)中的至少一種。
根據(jù)本發(fā)明的另一發(fā)明目的，其中提供一種利用視覺(jué)信息自動(dòng)檢測(cè)人體生理指標(biāo)的系統(tǒng)，其特征在于包括采集裝置，用于采集待測(cè)對(duì)象的視覺(jué)信息；處理裝置，用于對(duì)采集的視覺(jué)信息進(jìn)行處理，具體包括選取視覺(jué)信息中需要的預(yù)定視覺(jué)信息，將所選取的視覺(jué)信息壓縮為適合使用的特定格式并存儲(chǔ)，對(duì)所選取的視覺(jué)信息進(jìn)行預(yù)處理，對(duì)經(jīng)上述處理后的所述視覺(jué)信息進(jìn)行處理，對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)，對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)；存儲(chǔ)裝置，用于存儲(chǔ)上述視覺(jué)信息及所獲得的各個(gè)中間信息、分析數(shù)據(jù)和最終結(jié)果；顯示裝置，用于對(duì)所提取的生理指標(biāo)返回顯示。
根據(jù)本發(fā)明的另一發(fā)明目的，其中提供一種利用視覺(jué)信息自動(dòng)監(jiān)測(cè)人體生理指標(biāo)的設(shè)備，包括用于通過(guò)采集部件采集待測(cè)對(duì)象的視覺(jué)信息的采集裝置；用于對(duì)所選取的視覺(jué)信息進(jìn)行處理的處理裝置；用于對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)的分析裝置；用于對(duì)所提取的生理指標(biāo)返回顯示的顯示裝置。
利用本發(fā)明提供的人體生理指標(biāo)檢測(cè)方法及系統(tǒng)，具有以下優(yōu)點(diǎn)可以實(shí)現(xiàn)人體生理狀況的無(wú)創(chuàng)、連續(xù)監(jiān)測(cè)以及多項(xiàng)生理指標(biāo)的同步檢測(cè)與協(xié)同分析。布線簡(jiǎn)單，方便實(shí)現(xiàn)，只需要可以采集視覺(jué)信息的攝像頭等設(shè)備與基本的處理器即可實(shí)現(xiàn)生理狀況監(jiān)測(cè)，易于作為家庭醫(yī)療保健內(nèi)容推廣普及；智能精確，信號(hào)處理及基于流形學(xué)習(xí)提取脈搏波信號(hào)的方法保證了測(cè)量的可靠性。系統(tǒng)通過(guò)對(duì)處理信號(hào)的分析得到心率、呼吸率等多項(xiàng)生理指標(biāo)，并提供指標(biāo)異常預(yù)警，以及多項(xiàng)指標(biāo)的綜合分析結(jié)果。


圖I為本發(fā)明利用視覺(jué)信息實(shí)現(xiàn)人體生理指標(biāo)檢測(cè)的方法流程圖2為根據(jù)本發(fā)明提出方法實(shí)現(xiàn)人體生理指標(biāo)檢測(cè)系統(tǒng)的框架圖3為采集的原始信號(hào)對(duì)應(yīng)的信號(hào)分析結(jié)果圖4為對(duì)處理后的信號(hào)進(jìn)行特征點(diǎn)提取及周期計(jì)算；
圖5為處理信號(hào)的頻域分析圖。
具體實(shí)施方式
以下通過(guò)具體的實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步描述。
應(yīng)理解的是本發(fā)明提供的檢測(cè)方法能夠在不同的實(shí)例上具有各種變化，基于本發(fā)明思想的各種變化的實(shí)例皆不脫離本發(fā)明的范圍；且本發(fā)明中的附圖在本質(zhì)上作為說(shuō)明之用，例如繪圖元件并不一定是按比例繪制也不限定特定的設(shè)備，描述特定順序或行為也不要求相于次序這樣的特定性。即本發(fā)明中的附圖只為解釋說(shuō)明本發(fā)明的方法及系統(tǒng)，而非用以限制本發(fā)明。
實(shí)施例
本實(shí)施例中利用一臺(tái)計(jì)算機(jī)(Dell 0ptiplex790)外接攝像頭(Logitech C170) 錄制視頻以供分析。視頻數(shù)據(jù)以彩色(24位RGB，3信道8位/信道)、30幀每秒(fps)的速率、分辨率的格式采集，并以MEPG壓縮方法保存為AVI格式。附圖I為本發(fā)明方法的流程圖。附圖2為本實(shí)例的系統(tǒng)架構(gòu)圖。本實(shí)例的方法具體內(nèi)容如下
在攝像頭采集的視頻中利用Adaboost構(gòu)造的“Haar-like人臉檢測(cè)器”檢測(cè)每一中貞中的人臉區(qū)域。在下面的參考文獻(xiàn)中，Proceedings of the IEEE Conference on Image Processing,第 900-903 頁(yè),2002 年的 R. Lienhart 和 J. Maydt.的 “An Extended Set of Haar-Iike Features for Rapid Object Detection”，提供了關(guān)于 Haar-like 人臉檢測(cè)器的詳細(xì)信息；所述采集視覺(jué)信息是在采集的視頻中檢測(cè)人臉圖像，并存儲(chǔ)視覺(jué)信息；所述人臉檢測(cè)方法的一個(gè)實(shí)例是利用Adaboost (Adaboost是一種迭代算法，它的前身是前身的Boosting算，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的分類(lèi)器(弱分類(lèi)器)，然后把這些弱分類(lèi)器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終分類(lèi)器)模型構(gòu)造Haar-Iik人臉檢測(cè)器， 檢測(cè)人臉區(qū)域，在下面的參考文獻(xiàn)中，Proceedings of the IEEE Conference on Image Processing,第 900-903 頁(yè),2002 年的 R. Lienhart 和 J. Maydt.的 “An Extended Set of Haar-like Features for Rapid Object Detection”,提供了關(guān)于 Haar-like 人臉檢測(cè)器的詳細(xì)信息。其他實(shí)例包括膚色模型，PCA模型(Principal Component Analysis,主成分分析),ANN模型(Artificial Neural Networks,人工神經(jīng)網(wǎng)絡(luò))，SVM模型(Support Vectro Machine，多類(lèi)支持向量機(jī))等可用于檢測(cè)視頻圖像中人臉位置的模型。檢測(cè)視頻序列中的視頻幀是否存在人臉，并返回人臉位置信息。
人臉檢測(cè)器成功檢測(cè)到人臉時(shí)，返回包含人臉區(qū)域的矩陣框位置信息。存儲(chǔ)當(dāng)前幀下人臉區(qū)域每個(gè)色彩通道RGB所有像素值的平均值。若某一幀檢測(cè)人臉失敗，則以之前一幀的信息作為當(dāng)前存儲(chǔ)的視覺(jué)信息。連續(xù)I秒內(nèi)不能檢測(cè)到人臉則停止生理指標(biāo)檢測(cè)。 所述存儲(chǔ)的視覺(jué)信息具體是所述視頻幀中返回的人臉位置信息，或部分區(qū)為感興趣區(qū)域， 視頻彩色傳感器采集的RGB三通道像素的值；存儲(chǔ)視覺(jué)信息的方法具體是成功檢測(cè)到人臉時(shí)存儲(chǔ)以人臉為感興趣區(qū)域的視覺(jué)信息作為后續(xù)處理；若某一幀檢測(cè)人臉失敗，以上一幀的信息作為當(dāng)前存儲(chǔ)信息；連續(xù)I秒不能檢測(cè)到人臉則停止生理指標(biāo)監(jiān)測(cè)。
所述對(duì)采集的視覺(jué)信息進(jìn)行處理為當(dāng)采集的視覺(jué)信息量達(dá)到監(jiān)測(cè)初始量U=60 幀時(shí)，利用流形學(xué)習(xí)方法從采集的原始信息中恢復(fù)隱含的包含較少的光線變化影響的人體生理PPG信號(hào)。
所述流形學(xué)習(xí)方法的一個(gè)實(shí)例是拉普拉斯特征映射算法。具體方法是利用采集的原始RGB作為輸入向量Xi(j) = (xi(j), X2(j), · · ·，Xn(j)) j=l, 2，3。
其中Xi(I)，Xi (2), Xi (3)分別表示在第i幀采集的R，G，B顏色通道的均值。將7采集的數(shù)據(jù)X輸入拉普拉斯特征映射算法模型。在下面的參考文獻(xiàn)中，2003年Neural Computation 的 15 (6)期第 1373-1396 頁(yè)，Belkin M和 Niyogi P.白勺“Laplacian Eigenmaps for Dimensionality Reduction and Data Representation”,提供了關(guān)于拉普拉斯特征映射算法的原理。詳細(xì)步驟敘述如下1、構(gòu)造鄰接圖G:當(dāng)Xi是Xj中最近的k個(gè)點(diǎn)中的一個(gè),或Xi是Xj最近的k=12個(gè)點(diǎn)中的一個(gè)，則認(rèn)為他們是相鄰的，即Gij有邊,Wij=I0否則Gij無(wú)邊,wfO。2、構(gòu)造權(quán)值矩陣Wij:如果Xi和Xj相鄰,令Wij=I ；Xi和Xj不相鄰,則令wfO。3、計(jì)算低維潛入Y:應(yīng)圖G中每個(gè)連通的區(qū)域計(jì)算方程Ly= λ Dy的特征值和特征向量。其中= D-W為拉普拉斯矩陣，λ為輔助參數(shù)。
拉普拉斯特征映射算法是所述的流形學(xué)習(xí)方法的一個(gè)實(shí)例。其他實(shí)例包括等距映射(Isomap)，局部線性嵌入(Locally Linear Embedding, LLE),局部切空間排列(Local Tangent Space Alignment, LTSA),最大方差展開(kāi)(Maximum Variance Unfolding, MVU), 線性保持投影(Linearity Preserving Projection, LPP)等,任意一種通過(guò)獲取數(shù)據(jù)集內(nèi)所蘊(yùn)含的幾何信息來(lái)進(jìn)行數(shù)據(jù)分析，通過(guò)有限點(diǎn)集合來(lái)計(jì)算嵌入在高維空間中的流形的方法。
處理后的數(shù)據(jù)結(jié)果見(jiàn)附圖4。
所述對(duì)采集的視覺(jué)信息進(jìn)行處理還包括對(duì)提取PPG信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，去除 PPG信號(hào)中的奇異點(diǎn)，并對(duì)PPG信號(hào)進(jìn)行濾波處理，提取隱含的BVP (Blood Volume Pulse, 血容積脈搏波)信號(hào)。“奇異點(diǎn)”具體定義為大于(或小于)平均值Q=IO倍的數(shù)值。除去點(diǎn)后利用相鄰兩點(diǎn)的平均值對(duì)奇異點(diǎn)的空缺位置進(jìn)行插值。
所述的濾波處理包括移動(dòng)均值濾波、中值濾波、高斯濾波、最小均方差濾波、 Gabor濾波，高通濾波，低通濾波，帶通濾波中的任意一種或幾種。應(yīng)用本法發(fā)明方法的一個(gè)實(shí)例是使用移動(dòng)均值濾波和漢寧窗帶通濾波。
所述對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)為利用處理后的BVP信號(hào)求取人體生理指標(biāo)心率fHK ;具體方法為先進(jìn)行三次樣條插值保證存在數(shù)據(jù)存在連續(xù)的一階微分值；取插值后的數(shù)據(jù)上一階微分最大值為特征點(diǎn)，利用所有相鄰特征點(diǎn)時(shí)間間隔計(jì)算心臟搏動(dòng)平均時(shí)間f;利用如下公式計(jì)算心率/冊(cè)=60.斤。
數(shù)據(jù)處理結(jié)果及特征點(diǎn)選取結(jié)果請(qǐng)參閱附圖4。
所述對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)為利用處理后的BVP信號(hào)求取人體生理指標(biāo)呼吸率;具體方法為對(duì)BVP進(jìn)行頻域分析，取頻率范圍為[Rhl，Rh2]的高頻部分，選取[O. 1-0.6]赫茲作為高頻分析的有效頻率段，尋找高頻部分的峰值頻率fHF_，利用峰值頻率Jhf-，得到呼吸率/m =6O
本實(shí)例的高頻頻段信息請(qǐng)參閱附圖5。
以1^=60幀為邊長(zhǎng)，L1=I秒為步長(zhǎng)的滑動(dòng)窗口重復(fù)處理，以實(shí)現(xiàn)連續(xù)的人體生理指標(biāo)監(jiān)測(cè)；同時(shí)檢測(cè)連續(xù)的L2 = 30秒時(shí)間內(nèi)是否有生理指標(biāo)異常；如果連續(xù)L2時(shí)間內(nèi)持續(xù)檢測(cè)到某一生理指標(biāo)異常，則啟動(dòng)生理指標(biāo)異常報(bào)警；否則返回處理步驟繼續(xù)監(jiān)測(cè)。
所述提取的人體生理指標(biāo)包括心搏動(dòng)周期、心率、呼吸率、心率變異性、呼吸性豆蘧心率不齊、血氧飽和度、心搏輸出量、血壓以及可由這些生理指標(biāo)分析得出的相關(guān)生理指標(biāo)中的至少一種。
綜上所述，本發(fā)明提出一種利用視覺(jué)信息實(shí)現(xiàn)人體心率和呼吸率的監(jiān)測(cè)方法及系統(tǒng)。只需基本的視覺(jué)信息采集設(shè)備即可實(shí)現(xiàn)人體生理狀況的無(wú)創(chuàng)、連續(xù)式監(jiān)測(cè)，可作為家庭醫(yī)療保健的項(xiàng)目大力普及。
雖然本發(fā)明已以優(yōu)選實(shí)例公開(kāi)如上，然而所公開(kāi)實(shí)例并非用以限制本發(fā)明的范圍?？梢岳斫庠诓幻撾x本發(fā)明的精神的情況下，在此可以產(chǎn)生各種附加、修改和替換。本領(lǐng)域普通技術(shù)人員很清楚在不脫離本發(fā)明的精神或本質(zhì)特性的情況下，可以以其他特殊形式、結(jié)構(gòu)、布置、比例、以及利用其他元件、材料和部件來(lái)實(shí)現(xiàn)本發(fā)明。本領(lǐng)域的技術(shù)人員將意識(shí)到本發(fā)明可以使用發(fā)明實(shí)際中使用的結(jié)構(gòu)、布置、比例、材料以及部件和其他的許多修改，這些修改在不脫離本發(fā)明的原理的情況下而特別適應(yīng)于特殊環(huán)境和操作需求。因此，當(dāng)前公開(kāi)的實(shí)施例在所有方面應(yīng)被理解為說(shuō)明性的而非對(duì)其請(qǐng)求保護(hù)的范圍的限制。
權(quán)利要求
1.ー種利用視覺(jué)信息自動(dòng)監(jiān)測(cè)人體生理指標(biāo)的方法，包括 步驟(I):通過(guò)采集裝置采集待測(cè)對(duì)象的視覺(jué)信息并存儲(chǔ)數(shù)據(jù)； 步驟(2):對(duì)所選取的視覺(jué)信息進(jìn)行處理； 步驟(3):對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)； 步驟(4):對(duì)所提取的生理指標(biāo)返回顯示。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，在進(jìn)行所述采集視覺(jué)信息的步驟之前，先要檢測(cè)在采集部件鏡頭前是否有待測(cè)對(duì)象出現(xiàn)，當(dāng)檢測(cè)到待測(cè)對(duì)象時(shí)開(kāi)始工作，該檢測(cè)手段可通過(guò)紅外、感光等手段實(shí)現(xiàn)。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述采集待檢測(cè)對(duì)象視覺(jué)信息還包括，選取視覺(jué)信息中需要的預(yù)定視覺(jué)信息，將所選取的視覺(jué)信息壓縮為適合使用的特定格式并存儲(chǔ)。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述采集待檢測(cè)對(duì)象視覺(jué)信息的方法是在采集的視頻中檢測(cè)人臉圖像，并存儲(chǔ)視覺(jué)信息；所述檢測(cè)人臉圖像的方法是使用基于Adaboost、膚色、PCA、SVM等中的至少ー種人臉檢測(cè)模型，檢測(cè)視頻序列中的視頻幀是否存在人臉，并返回人臉位置信息。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述存儲(chǔ)的視覺(jué)信息具體是所述視頻幀中返回的人臉位置信息，或部分區(qū)為感興趣區(qū)域，視頻彩色傳感器采集的RGB三通道像素的值；存儲(chǔ)視覺(jué)信息的方法具體是成功檢測(cè)到人臉時(shí)存儲(chǔ)以人臉為感興趣區(qū)域的視覺(jué)信息作為后續(xù)處理；若某ー幀檢測(cè)人臉失敗，以上一幀的信息作為當(dāng)前存儲(chǔ)信息；連續(xù)I秒不能檢測(cè)到人臉則停止生理指標(biāo)監(jiān)測(cè)。
6.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述對(duì)采集的視覺(jué)信息進(jìn)行處理為當(dāng)采集的視覺(jué)信息量達(dá)到監(jiān)測(cè)初始量Ltl時(shí)，利用流形學(xué)習(xí)方法從采集的原始信息中恢復(fù)隱含的包含較少的光線變化影響的人體生理PPG信號(hào)。
7.根據(jù)權(quán)利要求6所述的方法，其特征在干，所述對(duì)采集的視覺(jué)信息進(jìn)行處理進(jìn)一歩還包括去除PPG信號(hào)中的奇異點(diǎn)，并對(duì)PPG信號(hào)進(jìn)行濾波處理，提取隱含的人體血容積脈搏波BVP信號(hào)。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)為利用處理后的BVP信號(hào)求取人體生理指標(biāo)心率fHK。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，具體方法為先進(jìn)行三次樣條插值保證存在數(shù)據(jù)存在連續(xù)的ー階微分值；取插值后的數(shù)據(jù)上ー階微分最大值為特征點(diǎn)，利用所有相鄰特征點(diǎn)時(shí)間間隔計(jì)算心臟搏動(dòng)平均時(shí)間f丨利用如下公式計(jì)算心率 /通=60/F。
10.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)為利用處理后的BVP信號(hào)求取人體生理指標(biāo)呼吸率fKK。
11.根據(jù)權(quán)利要求10所述的方法，其特征在于，具體方法為對(duì)BVP進(jìn)行頻域分析，取頻率范圍為[Rhl，Rh2]的高頻部分，利用峰值頻率/ W，得到呼吸率 /m =60x‘/hf一。
12.根據(jù)權(quán)利要求8-11所述的方法，其特征在干，以Ltl為邊長(zhǎng)，L1為步長(zhǎng)的滑動(dòng)窗ロ重復(fù)處理，以實(shí)現(xiàn)連續(xù)的人體生理指標(biāo)監(jiān)測(cè)；同時(shí)檢測(cè)連續(xù)的L2時(shí)間內(nèi)是否有生理指標(biāo)異常；如果連續(xù)L2時(shí)間內(nèi)持續(xù)檢測(cè)到某一生理指標(biāo)異常，則啟動(dòng)生理指標(biāo)異常報(bào)警；否則返回步驟(2)繼續(xù)監(jiān)測(cè)。
13.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述提取的人體生理指標(biāo)包括 心搏動(dòng)周期、心率、呼吸率、心率變異性、呼吸性豆蘧心率不齊、血氧飽和度、心搏輸出量、血壓以及可由這些生理指標(biāo)分析得出的相關(guān)生理指標(biāo)中的至少ー種。
14.ー種利用視覺(jué)信息自動(dòng)檢測(cè)人體生理指標(biāo)的系統(tǒng)，其特征在于包括 采集裝置，用于采集待測(cè)對(duì)象的視覺(jué)信息； 處理裝置，用于對(duì)采集的視覺(jué)信息進(jìn)行處理，具體包括選取視覺(jué)信息中需要的預(yù)定視覺(jué)信息，將所選取的視覺(jué)信息壓縮為適合使用的特定格式并存儲(chǔ)，對(duì)所選取的視覺(jué)信息進(jìn)行預(yù)處理，對(duì)經(jīng)上述處理后的所述視覺(jué)信息進(jìn)行處理，對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)，對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)； 存儲(chǔ)裝置，用于存儲(chǔ)上述視覺(jué)信息及所獲得的各個(gè)中間信息、分析數(shù)據(jù)和最終結(jié)果； 顯示裝置，用于對(duì)所提取的生理指標(biāo)返回顯示。
15.ー種利用視覺(jué)信息自動(dòng)監(jiān)測(cè)人體生理指標(biāo)的設(shè)備，包括 用于通過(guò)采集部件采集待測(cè)對(duì)象的視覺(jué)信息的采集裝置； 用于對(duì)所選取的視覺(jué)信息進(jìn)行處理的處理裝置； 用于對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)的分析裝置； 用于對(duì)所提取的生理指標(biāo)返回顯示的顯示裝置。
全文摘要
本發(fā)明涉及一種利用視覺(jué)信息監(jiān)測(cè)人體生理指標(biāo)的方法和系統(tǒng)。所述方法包括以下步驟通過(guò)采集裝置采集待測(cè)對(duì)象的視覺(jué)信息并存儲(chǔ)數(shù)據(jù)；對(duì)所選取的視覺(jué)信息進(jìn)行處理；對(duì)上述處理結(jié)果進(jìn)行分析以提取人體生理指標(biāo)；對(duì)所提取的生理指標(biāo)返回顯示。所述的系統(tǒng)包括用于采集視覺(jué)信息的模塊；用于對(duì)采集的視覺(jué)信息進(jìn)行處理的模塊；用于對(duì)處理后的信號(hào)分析以提取人體生理指標(biāo)的模塊。本發(fā)明實(shí)現(xiàn)人體生理狀況的無(wú)創(chuàng)、連續(xù)監(jiān)測(cè)以及多項(xiàng)生理指標(biāo)的同步檢測(cè)與協(xié)同分析，測(cè)量準(zhǔn)確度高，布線簡(jiǎn)單，易于作為家庭醫(yī)療保健內(nèi)容推廣普及。
文檔編號(hào)A61B5/029GK102973253SQ20121042882
公開(kāi)日2013年3月20日 申請(qǐng)日期2012年10月31日 優(yōu)先權(quán)日2012年10月31日
發(fā)明者田永鴻, 魏蘭, 黃鐵軍, 王耀威 申請(qǐng)人:北京大學(xué)