《一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法.pdf》由会员分享，可在线阅读，更多相关《一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法.pdf（9页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN104055498A43申请公布日20140924CN104055498A21申请号201410184162522申请日20140430A61B5/0205200601A61B5/11320060171申请人首都医科大学地址100069北京市丰台区右安门外西头条10号72发明人李海云景斌董建鑫张海燕钟景茹程思佳赵静54发明名称一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法57摘要本发明涉及一种应用红外序列图像的人体呼吸及心率的非接触式检测的方法，技术方案如下1在适当环境中，采集受试者侧面红外序列图像，在此过程中，受试者需控制头动。2利用OSTU方法二值化图像，提取序。
2、列图像重心一阶距的时间序列信号，可得受试者的呼吸信号。3选取颞浅动脉上行区域太阳穴区域和鼻孔周围区域作为感兴趣区。计算鼻孔感兴趣区的均值可得受试者的呼吸信号。太阳穴感兴趣区需将其时间序列信号通过集成经验模式分解，然后进行AR功率谱分析，从而检测呼吸及心率信号。本发明实现了应用红外序列图像进行心率、呼吸的非接触式测量，在面部生理信息识别和临床术中生理特征监控中具有较好的应用价值。51INTCL权利要求书1页说明书5页附图2页19中华人民共和国国家知识产权局12发明专利申请权利要求书1页说明书5页附图2页10申请公布号CN104055498ACN104055498A1/1页21一种基于红外序列图像。
3、的人体呼吸和心率信号非接触式检测方法，其特征在于1检测环境温度2528为最佳。由于受试者需要先在检测环境静息15分钟以上已达到与周围环境的热平衡，在这个过程中，如果环境温度过高，则直接导致受试者大量出汗，从而影响红外热像仪的测量效果；反之，如果环境温度过低，则受试者会随之降低身体的能量消耗，外加红外热像仪自身释放热量的干扰，从而影响红外热像仪的热量感应，最终影响实验效果。2提取的面部质心坐标变化不但可以反映受试者的头动，也可以用来反映和提取呼吸信号。3感兴趣区应选取在受试者耳部与眉部中间区域，大小为2020最佳。感兴趣区过小则不能保证感兴趣区覆盖在颞浅动脉上，导致测量结果不准确；感兴趣区过大则。
4、包含了太多了非血管区域，降低了测量的敏感度。4利用集成经验模式分解分析感兴趣区红外热成像重心变化的时间序列信号，且集成经验模式分解的重复次数设置成100为最佳，过低则导致分解结果不稳定，过高则影响了计算效率。权利要求书CN104055498A1/5页3一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法技术领域0001本发明涉及一种应用红外序列图像的人体呼吸和心率生理参数非接触式检测的方法。通过红外传感获取受试者面部侧面的红外序列图像，然后分别选择太阳穴和鼻孔下端两个感兴趣区构建时序信号进行数值计算，最终实现三种方式测量呼吸信号并伴随测量心率信号。背景技术0002呼吸和心率是人体最重要的生。
5、理参数，它们实时反映着人体的生理状态及健康信息。阻塞性睡眠呼吸暂停综合征，是一种常见且对人类健康影响很大的疾病，在成年人中其患病率约为24，临床症状以睡眠时打鼾，呼吸暂停为主。临床上的研究通常用接触式的传感器记录受试者睡眠时的呼吸情况，这些测量方法通常会带给受试者很大的负担，因此临床急切需求一种无损的，非接触式的生理参数测量方法。0003常用的呼吸检测手段大概有以下几种1通过放置在鼻孔通气处的热电偶记录呼气及吸气时空气温度的变化实现呼吸的测量。2通过绑置在胸口的传感器记录胸口呼气及吸气时胸口压力及运动位移的变化来实现呼吸的测量。0004常用的心率的检测方法主要有以下几种1通过光电方法检测手指末。
6、端血液容积的变化以实现心率测量。2通过放置在体表皮肤电极的电位变化来实现心率的测量。3通过放置在桡动脉处的压力传感器记录血管脉动时的压力变化实现心率的测量。0005以上这些测量方式在实验室及医院中有着广泛的应用，但比如对阻塞性睡眠呼吸暂停综合征患者进行实时的生理参数监测时，这些测量方式操作上的麻烦及测量传感器或直接或间接地接触人体可能会干扰患者睡眠状态，这些因素限制了常用的接触式测量方法在阻塞性睡眠呼吸暂停综合征中的应用。0006红外辐射是在可见光之外直至与毫米波相接，处于07M300M的电磁波段，是人眼看不到的光线。自然界中凡是温度高于绝对零度273的任何物体都能产生红外辐射，皆可视为红外辐。
7、射源，人体也是一个红外辐射源，其辐射的峰值波长为9348M，根据人体的热辐射特性，选取与之匹配的红外探测器探测人体的热辐射，根据测得辐射量的大小，便可知道温度的变化。人体呼吸的气流和反映心率的脉搏携带了与温度关联的信息特征，通过对温度信息的计算分析可以获得人体呼吸和心率的特征参数。0007热红外技术用来获取人体表面信息的优点不接触体表，无副作用，可以反复多次进行，可以在短时间内获取全身的皮肤温度变化特征从而获得人体机能状态的大量信息，操作简便，测定部位与温度之间可以做定量的分析。0008经验模式分解由HUANG于1998年提出，它是基于数据局部特征的，它可把复杂的数据分解成有限的固有模式函数分。
8、量，由于分解是基于信号时域局部特征的，因此分解是自适应的，特别适合用来分析非平稳非线性的时间序列信号，它能清晰地分辨出交叠复杂数据的内蕴模式，但其主要缺陷就是模式混淆现象的产生，利用白噪声的集成经验模式分说明书CN104055498A2/5页4解可以克服模式混淆问题，该方法在很多领域得到了有效应用。发明内容0009本发明所解决的主要技术问题是利用构建的红外动态图像采集系统建立红外序列图像数值分析算法实现人体呼吸及心率生理信息的非接触式的测量。本发明所采用的技术方案如下00101在适当温度，湿度，通风环境中，利用构建的红外动态图像系统采集受试者红外序列图像，这里需要固定红外摄像头正对受试者侧面，。
9、并且在实验过程中，要求受试者控制自主的不必要的头部运动。00112利用OSTU方法二值化获得的序列图像，然后根据所得序列图像的重心获得受试者在图像采集期间的重心的位置变化信号。此时，受试者头部运动几乎都是由呼吸引起的非自主运动，因此，可以从重心的二维变化信号中分别获得受试者的呼吸波形。00123分别选取红外序列图像中的颞浅动脉上行面部区域和鼻孔周围区域作为感兴趣区，只需要选择包含太阳穴区域的正方形作为感兴趣区。鼻孔周围感兴趣区可以选取为鼻孔下侧出气位置的正方形即可。然后对序列图像中感兴趣区域的像素值进行时序计算分析。00134鼻孔周围的感兴趣区可直接计算正方形区域的均值，均值的变化记录了受试者。
10、呼气，吸气温度的差异，也即受试者的呼吸信号。包含太阳穴区域的感兴趣区则需要把其时间序列信号通过集成经验模式分解，然后对分解的结果进行AR功率谱分析，即可通过功率范围确定呼吸信号及心率信号。0014本发明具有如下优点00151对受试者在红外传感器视场平面的头部运动进行分析，通过质心法去除了以呼吸运动为主的头部视场面运动的干扰，使得感兴趣区在每帧图像中保持在相同的位置，这样通过每帧图像感兴趣区提取的信号才能可靠地反映血管脉动变化信息，同时该运动信号实质上也代表了呼吸信号。00162对感兴趣区进行重心法分析，重心法既考虑了像素的位置信息，又考虑了像素的灰度值信息，从而更全面的记录了感兴趣内血管脉动产。
11、生的温度变化信息。00173利用集成经验模式分解对时间序列信号进行了特征信号分离，集成经验模式分解完全由数据自身驱动，避免了小波变换需要在信号分析之前选择适当小波基以及传统经验模式分解可能有的信号混叠问题。00184利用自回归模型进行功率谱分析，克服了传统傅里叶变换后信号谐波分量对结果识别的影响。00195实现了利用红外序列图像进行心率、呼吸的无损非接触式检测，该方法实现方便，操作简单，可广泛的应用在家用及术中监控等场合。附图说明0020图1本发明的方法流程图0021图2通过检测头部运动得到的呼吸信号0022图3通过鼻孔下端感兴趣区得到的呼吸信号说明书CN104055498A3/5页50023。
12、图4集成经验模式分解的结果0024图5呼吸及心率信号功率谱分析的结果具体实施方式0025本发明的方法流程图如图1所示，具体如下00261构建红外动态图像采集系统0027红外动态图像采集系统由以下三部分组成1FLIR红外长波传感器NETD90MKAT30，2大恒图像采集卡VT140，3计算机工作站DELLPRECISIONT5500。00282红外序列图像的采集0029红外视频采用PAL格式，帧速度为25帧/秒，存储格式为8BIT的灰度图像，灰度值的大小与被测温度的高低成线性关系，分辨率为768PIXEL576PIXEL。受试者在被检测之前，必须先在检查室内休息15分钟以上，以适应环境温度达到热。
13、平衡状态。然后受试者平静地坐在椅子上，同时要求受试者在采集的时候不能任意转动头部，因为考虑到长时间采集图像会引起受试者很多的头部无规则的运动，并且心率呼吸信号本身就是非平稳信号，长时间信号的频谱分析结果并不能代表此信号的瞬时频率值，因此实验采集时间被设置为20S。红外传感器对准受试者的左太阳穴处进行图像采集，采集的视频流通过图像采集卡实时存储在计算机工作站中。00303头动去除方法0031受试者虽被要求不能任意的左右转动头部，但在试验过程中受到呼吸运动的影响，受试者头部会在红外传感器视场平面上下或前后运动，为此提出了以下步骤进行处理0032由于面部皮肤温度相对周围组织温度较高，因此可利用OST。
14、U方法对图像进行二值化，然后计算二值化图像的重心，每帧图像重心坐标的变化反映了受试者头部在红外传感器视场平面的运动位移，具体公式如下0033HORMOTIONICENTROIDIXCENTROID1X；0034VERMOTIONICENTROIDIYCENTROID1Y；I1，2，35000035CENTROIDI代表第I帧图像的质心坐标，分别与初始帧的质心坐标相减，从而得到质心坐标在水平方向及垂直方向的运动趋势，即受试者的头动位移，结果见图2。00364感兴趣区的选取0037本方法中共选取了两个感兴趣区，一个在太阳穴处，一个位于鼻孔下端。因为测量采用的红外传感器是比较低端的非制冷型传感器，所。
15、以在图像中不能直接得到太阳穴处颞浅动脉的精确位置，但从灰度对比度上，包含血管的区域的灰度平均值比周围组织的温度要高一些，因此，可在太阳穴区域选取一个具有较高灰度值的方形区域作为感兴趣区，通常该方形区域的面积会比较大，以确保该感兴趣区内有血管的存在。鼻孔下端的感兴趣区可以直接从红外图像的鼻孔下端选定一个正方形区域即可。00385重心法0039感兴趣区的选择决定了只通过记录血管位置像素灰度值的变化来构成时间序列信号是达不到的，因此，本发明应用了重心法0040定义感兴趣区内坐标为M，N上的像素FM，N的PQ阶距为说明书CN104055498A4/5页600410042由上面的定义可知K00是FM，N。
16、灰度的总和。对一阶距K01和K10，以K00标准化后，可以求出感兴趣区的重心坐标GMG，NG，即00430044由于血管内的血流脉动，感兴趣区的重心是在不断变化的，因此可以构成对应的时间序列信号。00456时间序列信号的获取0046在序列图像第一帧中先将太阳穴感兴趣区左上角坐标确定下来，然后根据上面提取出的受试者头部的运动趋势，在随后的帧图像中，此感兴趣区左上角点的坐标随着提取的运动趋势而改变，然后计算每帧图像中的感兴趣区的重心与左上角点之间的距离的变化，从而得到由500个点组成的时间序列信号。鼻孔下端感兴趣区可以直接计算运动矫正之后的该感兴趣区平均值，然后也可以构成一个时间序列信号，该信号由。
17、于直接放映了鼻孔进出气温度的差异，所以该时间信号实质上也是呼吸信号。结果见图3。00477对时间序列信号进行集成经验模式分解0048集成经验模式分解的原理很简单所有的数据都是由信号和噪声组成。当信号加上均匀分布的白噪声背景时，不同尺度的信号区域将自动映射到与背景白噪声建立的相关的、适当的尺度上去。当然，每个独立的测试可能会产生非常吵杂的结果，因为每个附加噪声的成分包括了信号和附加的白噪声。既然在每个独立的测试中噪声是不同的，当使用足够的测试的全体均值使，噪声将会被消除，算法实施如下00491在目标数据上加入白噪声序列，将加入白噪声的序列分解为IMF；2每次加入不同的自噪声序列，反复重复步骤1；。
18、3把分解得到的各个IMF的均值作为最终的结果。结果见图4所示。00508频谱分析0051对于经验模式分解的结果，由于得到的固有内在函数频率按先后顺序是从高到低递减的，因此，可选取频谱分析结果落在心率及呼吸对应频带范围内的固有内在函数IMF作为测量结果，本方法选取了IMF3和IMF5做为心率及呼吸的检测结果，频谱分析采用自回归模型功率谱分析，P阶自回归模型表达式为00520053AK是自回归模型的系数，WN是方差为2的白噪声序列。0054则功率谱分析为00550056这里AF1AJ2FAPEJ2F频谱分析结果见图5，所测结果心率16HZ，呼吸04HZ与接触式测量结果非常接近。0057综上所述，本发明提出了一种新的通过红外序列图像分析并测量人体呼吸、心率等信号的方法，该方法通过多感兴趣区的选定，可以同时三种方法测量呼吸信号并伴随测说明书CN104055498A5/5页7量心率信号。该测量过程无需接触人体，测量结果比较精确，具有明显的实际应用价值。0058以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，即凡是依据本发明申请的权利要求书及说明书内容所做的简单的、等效变化及修饰，皆落入本发明专利的权利要求保护范围。说明书CN104055498A1/2页8图1图2图3说明书附图CN104055498A2/2页9图4图5说明书附图CN104055498A。