非接触式心率测量技术研究

发布时间：2020-11-14 09:09

　　 人体心率信息在健康领域有着不可替代的作用,医学上常常将它作为生理健康的重要指标之一。近年来,研究发现一种称为光电容积描记法的测量手段可以实现无创测量,通过对视频中的信息进行提取,实现简单、无创的心率信息测量。光电容积描记法是根据血液容积的变化原理实现的,本课题基于该原理实现一种非接触式测量心率的方法,利用检测人脸,直接跟踪感兴趣区域等方法对摄像头获取的视频进行信息提取,通过帯通滤波、独立成分分析等方法提取出有效的心率信号。该方法与传统的接触式心率测量方法相比较而言,具有舒适、简单的优点,并且实现成本较低,适合广泛推广,对未来人机交互和医疗监控领域的发展起到重要的作用。本文主要工作如下:一方面,采用高清摄像头获取视频连续帧,利用欧拉影像放大算法对图像序列进行颜色增强。考虑到被测目标易抖动及环境光照等诸多干扰因素,本文综合考虑面部区域纹理特征与肌肤干扰程度等因素,提出基于鼻梁的信号提取方法,实验证明基于鼻梁区域的信号提取能够尽可能减少噪声干扰,是理想的信号提取区域之一。在非接触式心率测量中,如何稳定的获取感兴趣区域至关重要,针对此问题,本文提出基于KCF的目标跟踪算法,对感兴趣区域直接进行跟踪。实验证明,准静态下,基于KCF目标跟踪算法的定位方式,可以快速、稳定的获取连续ROI区域,对提高心率测量精度起到了重要作用。根据设计的心率测量系统,研究了测量角度和距离对实际心率测量的影响,分析实验结果说明了系统测量心率与实际心率具有高度相关性和一致性。另一方面,在实际测量中,当目标重新出入视频范围内时,基于KCF的目标跟踪算法将不能继续心率测量。针对这种情况,文中对实际测量时可能出现的情况作了简要分析并分别给出了对应的解决方案。对于ROI丢失后重定位的问题,本文提出基于提取眼部轮廓中心点间接定位ROI部位的方式,采用Canny算子对眼部图像进行边缘检测,计算提取的轮廓中心点信息,最终解决了心率测量中ROI重定位的问题。实验表明此方法在ROI丢失后可以重新定位新的ROI部位,从而实现持续不间断的心率监测。最后,本文研究了不同大小ROI以及测量位置对心率测量的影响,并对结果进行了简要分析,说明了系统心率测量的有效性。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R540.4;TP391.41
【部分图文】：

心脏周期搏动会造成全身血管周期性容积发生变化，这种有规律的周期变化就是脉搏，也就是常说的心跳。临床上通常通过传感器贴附在人体表面感知动脉波动情况探测人体脉搏。如下图 2.1 所示，当光照透过人体组织时，会被血液吸收一部分，而其他的组织如骨骼、肌肉等对光的吸收几乎是固定的，由于人体表面有很多毛细血管，例如人的脸部就包含丰富的毛细血管，在心脏周期性搏动时，造成毛细血管中血液容积随之变化，这将导致血液对光的吸收也是不断变化的。通过一定的技术手段，可以将变化的光信号转换为电信号，此时电信号的变化与光信号的变化相一致，即电信号与血液容积的变化一致。电信号中将包含两种成分，骨骼肌肉等对光照固定的吸收量以及容积变化的血液对光照变化的吸收量，电信号中包含直流成分与交流成分，其中的交流成分与血液的容积变化保持一致性，这种技?

电容积脉搏波描记法，即 PPG。图 2.1 皮肤组织示意图图 2.2 表示的是 PPG 信号和 ECG 信号的对比图，从图中可以看出，ECG 信号周期性非常明显，这是因为 ECG 信号是通过接触式传感器测量得到，它可以准确地获取脉搏的搏动，缺点是需要测量者穿戴传感器设备，与人体接触才可以测量。因为血液容积的周期性变化，可以看出 PPG 信号同 ECG 信号一样具有周期性。图 2.2 PPG 信号与 ECG 信号对比图图2.2表示的是比较理想情况下的PPG信号，实际测量时往往不可能完全处于静止状态，由于被测者的移动和环境光照等等其他因素的干扰，最终实际得到的信号可能包含有许多的噪声，但是其中仍然包含有心率的信息，如图 2.3 所示

图 2.3 包含噪声的 PPG 信号噪声的特性理可知，实际测量的 PPG 信号可能包含诸多噪声，系统他环境干扰的影响。由于脉搏波信号中包含的有效信号很取出有效信号，所以在提取心率前需要对原始 PPG 信号进尽可能提高检测结果的准确度。通过查阅相关文献[25-42]，可见光、工频、高频、运动伪差、基线漂移、信号变异等。波描记法一般使用光束作为光源，周围的环境光对实验结果实验时，不同的光照环境时实验结果会造成不同程度的影
【相似文献】

相关期刊论文 前10条

1 杨凯杰;田畅;关文君;;快速目标跟踪算法及其嵌入式实现[J];军事通信技术;2016年04期

2 陈伟;祝恩;刘天航;殷建平;邱明辉;;目标跟踪算法的并行优化[J];计算机工程与科学;2016年11期

3 张涛;李继生;董恩国;;基于人脸识别的移动目标跟踪算法研究[J];现代制造技术与装备;2017年02期

4 李贺;;基于深度学习的目标跟踪算法研究综述[J];黑龙江科技信息;2017年17期

5 吴小俊;徐天阳;须文波;;基于相关滤波的视频目标跟踪算法综述[J];指挥信息系统与技术;2017年03期

6 王立新,戴冠中;一种分散化多站联合目标跟踪算法[J];航空学报;1988年03期

7 V.纳加拉简;R.N.沙马;肖万选;;改善边跟踪边搜索雷达的检测和跟踪性能的新方法(第二部分)——检测、航迹的产生与组合[J];雷达与对抗;1988年05期

8 孟琭;李诚新;;近年目标跟踪算法短评——相关滤波与深度学习[J];中国图象图形学报;2019年07期

9 窦慧;赵书斌;王强;;基于特征点的典型目标跟踪算法性能分析[J];指挥控制与仿真;2017年02期

10 王丽娜;;基于卡尔曼滤波的单模型目标跟踪算法的仿真研究[J];中国新通信;2016年10期

相关博士学位论文 前10条

1 虎小龙;未知场景多伯努利滤波多目标跟踪算法研究[D];西安电子科技大学;2019年

2 李康;图像序列中鲁棒的视觉目标跟踪算法研究[D];武汉大学;2016年

3 杨森泉;基于稀疏分析的鲁棒目标跟踪研究[D];广东工业大学;2019年

4 曾宪佑;复杂场景下鲁棒的目标跟踪算法研究[D];北京交通大学;2019年

5 胡秀华;复杂场景中目标跟踪算法研究[D];西北工业大学;2017年

6 王全辉;筛选式知识辅助多模型机动目标跟踪算法[D];深圳大学;2018年

7 产思贤;基于视觉系统的智能目标跟踪算法研究[D];浙江工业大学;2018年

8 胡琪;基于随机矩阵的扩展目标跟踪算法研究[D];西安电子科技大学;2018年

9 张铎;基于水下无线传感器网络的自组织目标跟踪算法研究[D];浙江大学;2019年

10 郭巳秋;基于TLD的粒子群目标跟踪理论与应用技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

相关硕士学位论文 前10条

1 郑敏;小型无人机场景下运动目标跟踪算法研究[D];重庆邮电大学;2019年

2 张代浩;机场视频监控中基于深度学习的目标跟踪算法研究[D];南京航空航天大学;2019年

3 周扬;基于深度学习的目标跟踪算法研究[D];扬州大学;2019年

4 李爱师;基于相关滤波的目标跟踪算法研究[D];南京师范大学;2019年

5 李凯强;基于实时视觉的运动目标的检测与跟踪[D];南京航空航天大学;2019年

6 魏伟;基于多滤波器的在线目标跟踪算法[D];湘潭大学;2019年

7 韩炳庆;智能交通场景中的多目标跟踪算法研究[D];哈尔滨工业大学;2019年

8 贾永超;基于深度学习的目标跟踪算法研究[D];浙江师范大学;2019年

9 宋柯;基于相关滤波的多尺度视觉目标跟踪算法电路设计[D];哈尔滨工业大学;2019年

10 赵钰;基于孪生网络的目标跟踪算法研究[D];哈尔滨工业大学;2019年

本文编号：2883308