[發(fā)明專利]一種基于圖像分析的心率檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201910228363.3
• 申請日: 2019-03-25
• 公開（公告）號: CN109977858B
• 公開（公告）日: 2020-12-01
• 發(fā)明（設計）人: 支瑞聰;丁梓碩;陳健融;李志昌
• 申請（專利權）人: 北京科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06T7/246;G06T7/90;A61B5/024;A61B5/00
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種基于圖像分析的心率檢測方法，其特征在于，包括：

獲取用戶的人臉視頻，對人臉視頻中的面部特征點進行跟蹤，并結合頭部旋轉校準對頭部剛性運動進行傾斜校正；

根據(jù)校正后的面部特征點選取面部感興趣區(qū)域，確定面部感興趣區(qū)域顏色通道的光信號；

根據(jù)確定的面部感興趣區(qū)域顏色通道的光信號，構建基于多層皮膚模型的光信號模型，根據(jù)構建的光信號模型，提取綠色-紅色通道差分信號；

將提取的綠色-紅色通道差分信號變換至頻域，提取振幅最大值對應的頻率作為用戶當前的心率；

其中，所述對人臉視頻中的面部特征點進行跟蹤，并結合頭部旋轉校準對頭部剛性運動進行傾斜校正包括：

提取所述人臉視頻中的面部區(qū)域；

對所述面部區(qū)域中的面部特征點進行追蹤，提取基準圖像的面部特征點p(x,y)和測試圖像的面部特征點q(u,v)，其中，經過圖像平移、旋轉、縮放后，特征點p(x,y)和特征點q(u,v)之間滿足如下關系：

其中，s是縮放比例；T表示平移的位移；表示的平移位移；R是正交矩陣，R^TR＝I，I表示單位矩陣；θ是旋轉角度；上標T表示矩陣轉置；

將頭部旋轉校準問題轉化為最小化目標函數(shù)，使得校正后的測試圖像貼近基準圖像，所述目標函數(shù)表示為：

arg min_s,R,T||sRp^T+T-q^T||_F subject to R^TR＝I

其中，||·||_F表示F-范數(shù)；

利用奇異值分解方法求解目標函數(shù)的最優(yōu)參數(shù)s，R，T，根據(jù)仿射變換得到校正后的測試圖像的面部特征點q(u,v)：

其中，面部感興趣區(qū)域顏色通道的光信號表示為：

其中，|ROI|表示感興趣區(qū)域的大小；q(u,v,t)表示時間為t時的坐標(u,v)處的像素值；iPPG(t)表示面部運動信號，源于皮膚吸收光的強度變化；

其中，所述根據(jù)確定的面部感興趣區(qū)域顏色通道的光信號，構建基于多層皮膚模型的光信號模型，根據(jù)構建的光信號模型，提取綠色-紅色通道差分信號包括：

根據(jù)確定的面部感興趣區(qū)域顏色通道的光信號，構建基于三層皮膚模型的光信號模型；

根據(jù)構建的光信號模型，通過顏色通道差分方法提取綠色-紅色通道差分信號；

其中，構建的基于三層皮膚模型的光信號模型表示為：

I_i(t)＝α_iβ_i(S₀+γ_iS₀iPPG(t)+R₀)M(t),i∈{R,G,B}

其中，I_i(t)表示構建的基于多層皮膚模型的光信號模型，S₀是感興趣區(qū)域內皮膚在白光照射下的散射光強度的平均值，R₀是感興趣區(qū)域內皮膚在白光照射下的漫反射光強度的平均值，i代表RGB通道中的一種通道，α_i是i通道色光在標準化的照明光譜中的強度，β_i是i通道色光在標準化的漫反射光譜中的強度，γ_i是i通道iPPG信號的交流分量與直流分量之比，M(t)為運動分量。

2.根據(jù)權利要求1所述的基于圖像分析的心率檢測方法，其特征在于，所述綠色-紅色通道差分信號表示為：

3.根據(jù)權利要求2所述的基于圖像分析的心率檢測方法，其特征在于，GRD(t)中的α_Gβ_G和α_Rβ_R分別估算為：

其中，是α_Gβ_G的估算值，是α_Rβ_R的估算值。