基于面部视频的非接触式心率检测研究
发布时间：2021-01-20 07:30
心率（Heart Rate,HR）是反映人体健康状态的一个重要生理指标,在医疗健康领域中,心率指标对心血管疾病的预防和诊疗具有重要意义。因此,能够实现准确的日常心率检测对于人体健康评估和监护至关重要。目前广泛使用的心率检测方法大多为接触式测量,这类方法需要专业的设备与受试者皮肤直接接触,在操作便捷性和设备便携性上存在一定的局限性。同时,长时间与皮肤接触式测量会引起受试者不适,难以满足日常心率监护的需求。最新的研究表明,成像式光电容积脉搏波描记法（image PhotoPlethysmoGraphy,iPPG）具备非接触式生理信号检测的潜力。iPPG技术利用计算机视频图像处理技术和数字信号处理算法从受试者面部视频中提取出反应人体血管中血液容量体积变化的脉冲信号（Blood Volume Pulse,BVP）。基于BVP信号可进一步获取受试者的心率参数。关于iPPG技术,多个研究机构开展了心率等生理参数的提取研究。然而在已公开的相关研究文献中,面部视频数据的采集多数是在受试者处于相对静止的理想状态下,即,通过实验范式设计,尽可能地减小运动伪迹干扰。当受试者头部发生运动时,心率检测的准确性将...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图1.2两种非接触式心率检测方法
安徽大学硕士学位论文11变化更为强烈，因而提取出的BVP信号信噪比较高。同时选取面部区域作为感兴趣区域，还可以利用成熟的人脸检测跟踪技术对运动产生的噪声进行消除。图2.3面部血管分布图Fig2.3Thedistributionoffacialbloodvessels面部视频区域选定是BVP信号获取的第一道工序，不同的ROI区域对生理信号获取具有极大的影响。考虑到采集的面部视频存在较多的无关背景区域，所以需要选择合适ROI区域用以心率检测。2008年，Verkruysse选择面部作为图像式光电容积描记信号的采集区域，并关于面部不同区域对血容量变化脉冲信号的提取效果进行对比分析[47]。Verkruysse将面部区域分为四个感兴趣区域：区域1为额部区域，区域2为额部的局部点，区域3为发际线到眼睛的区域，整个面部区域作为区域4，分别将上述四个区域作为感兴趣区域提取BVP信号。实验结果表明区域1提取的BVP信号信噪比最高，周期性最强；而整个面部区域虽然也可以提取出BVP信号，但提取效果不如区域1，考虑可能是眨眼、吞咽等面部运动带来的干扰；同时ROI区域过小时（区域2），提取的信号中噪声信号较大。2017年，安徽大学何璇等人关于面部不同感兴趣区域对BVP信号的提取效果进行对比[45,48]。实验结果表明眼睛和嘴巴对BVP信号波形影响较大，虽然可以从中分辨出与心率相对应的波峰，但是心率信号波形的完整性遭到破坏，将对心率参数估算的准确性产生影响；基于整个面部作为ROI区域，一定程度上减弱了面部器官产生的运动干扰，频谱图的谱峰集中在心率范围，但BVP信号波形的完整性仍有一定程度损坏，在实际复杂的应用场景中类似运动干扰将对BVP波形的破坏更严重。虽然后续能够通过人脸跟踪方法缓解上述运动带来的噪声，但由于跟踪目标过大，算法的时空复杂度也将大大增加，将不利?
第二章基于iPPG技术的心率检测研究基础12成像式光电容积描记方法多数将整个面部作为ROI区域进行心率检测，但何璇等人的研究表明眼睛和嘴巴对BVP波形的完整性影响较大，同时，由于人脸目标过大，跟踪算法的性能显著降低。综合比较，眼睛下方嘴巴上方区域既能够获得纯净的BVP信号，又具有算法复杂度低的优点。故本文选定的ROI区域为眼睛下方嘴巴上方矩形区域，如图2.4所示。图2.4本文选取的ROI区域Fig2.4ROIareaselectedinthisthesis2.2.2感兴趣区域定位为了检测面部的颜色变化信息，面部视频中感兴趣区域定位是非接触式心率检测的第一步。目前常用的ROI区域定位方法有手动选取感兴趣区域和人脸检测[49,50]自动选取两种方法。手动选取感兴趣区域是指在面部视频的第一帧图像上手动选取眼睛下方鼻子上方的感兴趣区域。该方法特点是准确性较高，但手动选取无法保证两次选取ROI区域完全相同，从而产生ROI区域大小和位置的偏差。目前基于面部视频非接触式心率检测算法中关于ROI区域的定位，大都采用快速人脸检测算法。但在实际复杂的应用场景中，快速人脸检测算法经常出现漏检误检的情况。由于人脸目标刚性相对人眼较弱且人脸的五官位置具有一定统计规律[51,52]，故本文采用目前较为成熟的Viola-Jones算法[53,54]检测人眼位置，从而实现感兴趣区域的定位。定位效果如图2.5所示，其中黄色区域为人眼检测区域，红色区域为进行心率检测的感兴趣区域。该方法既可以实现在复杂环境下ROI区域的自动定位，有避免手动选取ROI区域不同对BVP信号提取造成误差。
【参考文献】：
期刊论文
[1]基于面部图像的非接触式婴儿心率监测[J]. 许桢杰,高国琴,方志明. 软件导刊. 2019(10)
[2]非接触式生命体征监测技术临床应用研究进展[J]. 杨晓丹,杨冰磊,王梓涵,章依妮,周韩俊,李欣荣,曹世华. 医学信息. 2018(18)
[3]基于IPPG非接触式生理参数测量算法的研究[J]. 荣猛,范强,李凯扬. 生物医学工程研究. 2018(01)
[4]非接触式心率检测方法的颜色空间选择[J]. 曹剑剑,冯军,汤文明,余瑛. 计算机科学. 2017(S2)
[5]基于面部视频的血流信号提取方法的比较及适用性研究[J]. 何璇,吴小培,张超,卫兵,吕钊. 生物医学工程学杂志. 2017(02)
[6]基于iPPG的非接触式心率测量方法研究[J]. 刘祎,欧阳健飞,闫勇刚. 计量技术. 2015 (04)
[7]基于联合对角化算法的非接触心率估计[J]. 王英志,韩太林. 生物医学工程学杂志. 2014(04)
[8]基于GSM的远程心率监控系统设计[J]. 郑争兵,赵峰. 计算机应用. 2012(07)
[9]一种基于肤色的人脸检测与定位方法[J]. 齐永锋,火元莲. 计算机应用. 2009(03)
[10]基于均值漂移与卡尔曼滤波的目标跟踪算法[J]. 常发亮,刘雪,王华杰. 计算机工程与应用. 2007(12)
博士论文
[1]基于人脸局部信息生物特征识别若干问题研究[D]. 李云飞.西安电子科技大学 2018
[2]心血管生理参数非接触式检测关键技术研究[D]. 范强.武汉大学 2017
[3]非接触式生理信号检测关键技术研究[D]. 孔令琴.北京理工大学 2014
硕士论文
[1]基于人脸视频的心率测量算法研究[D]. 陈旭.电子科技大学 2019
[2]基于视频的非接触式胎心检测算法研究[D]. 刘鸿程.上海师范大学 2019
[3]基于普通摄像头的非接触式生理参数检测技术研究[D]. 马良.山东大学 2017
[4]基于面部视频的非接触式血流信号检测系统研究与实现[D]. 何璇.安徽大学 2017
[5]基于人脸视频处理的心率检测方法研究[D]. 戚刚.合肥工业大学 2017
[6]基于人脸视频图像的心率检测研究[D]. 万铮结.浙江工业大学 2014
[7]基于PPG和彩色视频的非接触式心率测量[D]. 姚丽峰.天津大学 2012
[8]基于胎儿心率信号提取的自适应去噪算法的研究[D]. 田宝凤.吉林大学 2004
本文编号：2988649
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图1.2两种非接触式心率检测方法
安徽大学硕士学位论文11变化更为强烈，因而提取出的BVP信号信噪比较高。同时选取面部区域作为感兴趣区域，还可以利用成熟的人脸检测跟踪技术对运动产生的噪声进行消除。图2.3面部血管分布图Fig2.3Thedistributionoffacialbloodvessels面部视频区域选定是BVP信号获取的第一道工序，不同的ROI区域对生理信号获取具有极大的影响。考虑到采集的面部视频存在较多的无关背景区域，所以需要选择合适ROI区域用以心率检测。2008年，Verkruysse选择面部作为图像式光电容积描记信号的采集区域，并关于面部不同区域对血容量变化脉冲信号的提取效果进行对比分析[47]。Verkruysse将面部区域分为四个感兴趣区域：区域1为额部区域，区域2为额部的局部点，区域3为发际线到眼睛的区域，整个面部区域作为区域4，分别将上述四个区域作为感兴趣区域提取BVP信号。实验结果表明区域1提取的BVP信号信噪比最高，周期性最强；而整个面部区域虽然也可以提取出BVP信号，但提取效果不如区域1，考虑可能是眨眼、吞咽等面部运动带来的干扰；同时ROI区域过小时（区域2），提取的信号中噪声信号较大。2017年，安徽大学何璇等人关于面部不同感兴趣区域对BVP信号的提取效果进行对比[45,48]。实验结果表明眼睛和嘴巴对BVP信号波形影响较大，虽然可以从中分辨出与心率相对应的波峰，但是心率信号波形的完整性遭到破坏，将对心率参数估算的准确性产生影响；基于整个面部作为ROI区域，一定程度上减弱了面部器官产生的运动干扰，频谱图的谱峰集中在心率范围，但BVP信号波形的完整性仍有一定程度损坏，在实际复杂的应用场景中类似运动干扰将对BVP波形的破坏更严重。虽然后续能够通过人脸跟踪方法缓解上述运动带来的噪声，但由于跟踪目标过大，算法的时空复杂度也将大大增加，将不利?
第二章基于iPPG技术的心率检测研究基础12成像式光电容积描记方法多数将整个面部作为ROI区域进行心率检测，但何璇等人的研究表明眼睛和嘴巴对BVP波形的完整性影响较大，同时，由于人脸目标过大，跟踪算法的性能显著降低。综合比较，眼睛下方嘴巴上方区域既能够获得纯净的BVP信号，又具有算法复杂度低的优点。故本文选定的ROI区域为眼睛下方嘴巴上方矩形区域，如图2.4所示。图2.4本文选取的ROI区域Fig2.4ROIareaselectedinthisthesis2.2.2感兴趣区域定位为了检测面部的颜色变化信息，面部视频中感兴趣区域定位是非接触式心率检测的第一步。目前常用的ROI区域定位方法有手动选取感兴趣区域和人脸检测[49,50]自动选取两种方法。手动选取感兴趣区域是指在面部视频的第一帧图像上手动选取眼睛下方鼻子上方的感兴趣区域。该方法特点是准确性较高，但手动选取无法保证两次选取ROI区域完全相同，从而产生ROI区域大小和位置的偏差。目前基于面部视频非接触式心率检测算法中关于ROI区域的定位，大都采用快速人脸检测算法。但在实际复杂的应用场景中，快速人脸检测算法经常出现漏检误检的情况。由于人脸目标刚性相对人眼较弱且人脸的五官位置具有一定统计规律[51,52]，故本文采用目前较为成熟的Viola-Jones算法[53,54]检测人眼位置，从而实现感兴趣区域的定位。定位效果如图2.5所示，其中黄色区域为人眼检测区域，红色区域为进行心率检测的感兴趣区域。该方法既可以实现在复杂环境下ROI区域的自动定位，有避免手动选取ROI区域不同对BVP信号提取造成误差。
【参考文献】：
期刊论文
[1]基于面部图像的非接触式婴儿心率监测[J]. 许桢杰,高国琴,方志明. 软件导刊. 2019(10)
[2]非接触式生命体征监测技术临床应用研究进展[J]. 杨晓丹,杨冰磊,王梓涵,章依妮,周韩俊,李欣荣,曹世华. 医学信息. 2018(18)
[3]基于IPPG非接触式生理参数测量算法的研究[J]. 荣猛,范强,李凯扬. 生物医学工程研究. 2018(01)
[4]非接触式心率检测方法的颜色空间选择[J]. 曹剑剑,冯军,汤文明,余瑛. 计算机科学. 2017(S2)
[5]基于面部视频的血流信号提取方法的比较及适用性研究[J]. 何璇,吴小培,张超,卫兵,吕钊. 生物医学工程学杂志. 2017(02)
[6]基于iPPG的非接触式心率测量方法研究[J]. 刘祎,欧阳健飞,闫勇刚. 计量技术. 2015 (04)
[7]基于联合对角化算法的非接触心率估计[J]. 王英志,韩太林. 生物医学工程学杂志. 2014(04)
[8]基于GSM的远程心率监控系统设计[J]. 郑争兵,赵峰. 计算机应用. 2012(07)
[9]一种基于肤色的人脸检测与定位方法[J]. 齐永锋,火元莲. 计算机应用. 2009(03)
[10]基于均值漂移与卡尔曼滤波的目标跟踪算法[J]. 常发亮,刘雪,王华杰. 计算机工程与应用. 2007(12)
博士论文
[1]基于人脸局部信息生物特征识别若干问题研究[D]. 李云飞.西安电子科技大学 2018
[2]心血管生理参数非接触式检测关键技术研究[D]. 范强.武汉大学 2017
[3]非接触式生理信号检测关键技术研究[D]. 孔令琴.北京理工大学 2014
硕士论文
[1]基于人脸视频的心率测量算法研究[D]. 陈旭.电子科技大学 2019
[2]基于视频的非接触式胎心检测算法研究[D]. 刘鸿程.上海师范大学 2019
[3]基于普通摄像头的非接触式生理参数检测技术研究[D]. 马良.山东大学 2017
[4]基于面部视频的非接触式血流信号检测系统研究与实现[D]. 何璇.安徽大学 2017
[5]基于人脸视频处理的心率检测方法研究[D]. 戚刚.合肥工业大学 2017
[6]基于人脸视频图像的心率检测研究[D]. 万铮结.浙江工业大学 2014
[7]基于PPG和彩色视频的非接触式心率测量[D]. 姚丽峰.天津大学 2012
[8]基于胎儿心率信号提取的自适应去噪算法的研究[D]. 田宝凤.吉林大学 2004
本文编号：2988649
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2988649.html
