心率（Heart Rate,HR）是反映人體健康狀態(tài)的一個(gè)重要生理指標(biāo),在醫(yī)療健康領(lǐng)域中,心率指標(biāo)對(duì)心血管疾病的預(yù)防和診療具有重要意義。因此,能夠?qū)崿F(xiàn)準(zhǔn)確的日常心率檢測(cè)對(duì)于人體健康評(píng)估和監(jiān)護(hù)至關(guān)重要。目前廣泛使用的心率檢測(cè)方法大多為接觸式測(cè)量,這類(lèi)方法需要專(zhuān)業(yè)的設(shè)備與受試者皮膚直接接觸,在操作便捷性和設(shè)備便攜性上存在一定的局限性。同時(shí),長(zhǎng)時(shí)間與皮膚接觸式測(cè)量會(huì)引起受試者不適,難以滿(mǎn)足日常心率監(jiān)護(hù)的需求。最新的研究表明,成像式光電容積脈搏波描記法（image PhotoPlethysmoGraphy,iPPG）具備非接觸式生理信號(hào)檢測(cè)的潛力。iPPG技術(shù)利用計(jì)算機(jī)視頻圖像處理技術(shù)和數(shù)字信號(hào)處理算法從受試者面部視頻中提取出反應(yīng)人體血管中血液容量體積變化的脈沖信號(hào)（Blood Volume Pulse,BVP）。基于BVP信號(hào)可進(jìn)一步獲取受試者的心率參數(shù)。關(guān)于iPPG技術(shù),多個(gè)研究機(jī)構(gòu)開(kāi)展了心率等生理參數(shù)的提取研究。然而在已公開(kāi)的相關(guān)研究文獻(xiàn)中,面部視頻數(shù)據(jù)的采集多數(shù)是在受試者處于相對(duì)靜止的理想狀態(tài)下,即,通過(guò)實(shí)驗(yàn)范式設(shè)計(jì),盡可能地減小運(yùn)動(dòng)偽跡干擾。當(dāng)受試者頭部發(fā)生運(yùn)動(dòng)時(shí),心率檢測(cè)的準(zhǔn)確性將... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.2兩種非接觸式心率檢測(cè)方法

安徽大學(xué)碩士學(xué)位論文11變化更為強(qiáng)烈，因而提取出的BVP信號(hào)信噪比較高。同時(shí)選取面部區(qū)域作為感興趣區(qū)域，還可以利用成熟的人臉檢測(cè)跟蹤技術(shù)對(duì)運(yùn)動(dòng)產(chǎn)生的噪聲進(jìn)行消除。圖2.3面部血管分布圖Fig2.3Thedistributionoffacialbloodvessels面部視頻區(qū)域選定是BVP信號(hào)獲取的第一道工序，不同的ROI區(qū)域?qū)ι硇盘?hào)獲取具有極大的影響。考慮到采集的面部視頻存在較多的無(wú)關(guān)背景區(qū)域，所以需要選擇合適ROI區(qū)域用以心率檢測(cè)。2008年，Verkruysse選擇面部作為圖像式光電容積描記信號(hào)的采集區(qū)域，并關(guān)于面部不同區(qū)域?qū)ρ萘孔兓}沖信號(hào)的提取效果進(jìn)行對(duì)比分析[47]。Verkruysse將面部區(qū)域分為四個(gè)感興趣區(qū)域：區(qū)域1為額部區(qū)域，區(qū)域2為額部的局部點(diǎn)，區(qū)域3為發(fā)際線到眼睛的區(qū)域，整個(gè)面部區(qū)域作為區(qū)域4，分別將上述四個(gè)區(qū)域作為感興趣區(qū)域提取BVP信號(hào)。實(shí)驗(yàn)結(jié)果表明區(qū)域1提取的BVP信號(hào)信噪比最高，周期性最強(qiáng)；而整個(gè)面部區(qū)域雖然也可以提取出BVP信號(hào)，但提取效果不如區(qū)域1，考慮可能是眨眼、吞咽等面部運(yùn)動(dòng)帶來(lái)的干擾；同時(shí)ROI區(qū)域過(guò)小時(shí)（區(qū)域2），提取的信號(hào)中噪聲信號(hào)較大。2017年，安徽大學(xué)何璇等人關(guān)于面部不同感興趣區(qū)域?qū)VP信號(hào)的提取效果進(jìn)行對(duì)比[45,48]。實(shí)驗(yàn)結(jié)果表明眼睛和嘴巴對(duì)BVP信號(hào)波形影響較大，雖然可以從中分辨出與心率相對(duì)應(yīng)的波峰，但是心率信號(hào)波形的完整性遭到破壞，將對(duì)心率參數(shù)估算的準(zhǔn)確性產(chǎn)生影響；基于整個(gè)面部作為ROI區(qū)域，一定程度上減弱了面部器官產(chǎn)生的運(yùn)動(dòng)干擾，頻譜圖的譜峰集中在心率范圍，但BVP信號(hào)波形的完整性仍有一定程度損壞，在實(shí)際復(fù)雜的應(yīng)用場(chǎng)景中類(lèi)似運(yùn)動(dòng)干擾將對(duì)BVP波形的破壞更嚴(yán)重。雖然后續(xù)能夠通過(guò)人臉跟蹤方法緩解上述運(yùn)動(dòng)帶來(lái)的噪聲，但由于跟蹤目標(biāo)過(guò)大，算法的時(shí)空復(fù)雜度也將大大增加，將不利?

第二章基于iPPG技術(shù)的心率檢測(cè)研究基礎(chǔ)12成像式光電容積描記方法多數(shù)將整個(gè)面部作為ROI區(qū)域進(jìn)行心率檢測(cè)，但何璇等人的研究表明眼睛和嘴巴對(duì)BVP波形的完整性影響較大，同時(shí)，由于人臉目標(biāo)過(guò)大，跟蹤算法的性能顯著降低。綜合比較，眼睛下方嘴巴上方區(qū)域既能夠獲得純凈的BVP信號(hào)，又具有算法復(fù)雜度低的優(yōu)點(diǎn)。故本文選定的ROI區(qū)域?yàn)檠劬ο路阶彀蜕戏骄匦螀^(qū)域，如圖2.4所示。圖2.4本文選取的ROI區(qū)域Fig2.4ROIareaselectedinthisthesis2.2.2感興趣區(qū)域定位為了檢測(cè)面部的顏色變化信息，面部視頻中感興趣區(qū)域定位是非接觸式心率檢測(cè)的第一步。目前常用的ROI區(qū)域定位方法有手動(dòng)選取感興趣區(qū)域和人臉檢測(cè)[49,50]自動(dòng)選取兩種方法。手動(dòng)選取感興趣區(qū)域是指在面部視頻的第一幀圖像上手動(dòng)選取眼睛下方鼻子上方的感興趣區(qū)域。該方法特點(diǎn)是準(zhǔn)確性較高，但手動(dòng)選取無(wú)法保證兩次選取ROI區(qū)域完全相同，從而產(chǎn)生ROI區(qū)域大小和位置的偏差。目前基于面部視頻非接觸式心率檢測(cè)算法中關(guān)于ROI區(qū)域的定位，大都采用快速人臉檢測(cè)算法。但在實(shí)際復(fù)雜的應(yīng)用場(chǎng)景中，快速人臉檢測(cè)算法經(jīng)常出現(xiàn)漏檢誤檢的情況。由于人臉目標(biāo)剛性相對(duì)人眼較弱且人臉的五官位置具有一定統(tǒng)計(jì)規(guī)律[51,52]，故本文采用目前較為成熟的Viola-Jones算法[53,54]檢測(cè)人眼位置，從而實(shí)現(xiàn)感興趣區(qū)域的定位。定位效果如圖2.5所示，其中黃色區(qū)域?yàn)槿搜蹤z測(cè)區(qū)域，紅色區(qū)域?yàn)檫M(jìn)行心率檢測(cè)的感興趣區(qū)域。該方法既可以實(shí)現(xiàn)在復(fù)雜環(huán)境下ROI區(qū)域的自動(dòng)定位，有避免手動(dòng)選取ROI區(qū)域不同對(duì)BVP信號(hào)提取造成誤差。

【參考文獻(xiàn)】：
期刊論文
[1]基于面部圖像的非接觸式嬰兒心率監(jiān)測(cè)[J]. 許楨杰,高國(guó)琴,方志明.  軟件導(dǎo)刊. 2019(10)
[2]非接觸式生命體征監(jiān)測(cè)技術(shù)臨床應(yīng)用研究進(jìn)展[J]. 楊曉丹,楊冰磊,王梓涵,章依妮,周韓俊,李欣榮,曹世華.  醫(yī)學(xué)信息. 2018(18)
[3]基于IPPG非接觸式生理參數(shù)測(cè)量算法的研究[J]. 榮猛,范強(qiáng),李凱揚(yáng).  生物醫(yī)學(xué)工程研究. 2018(01)
[4]非接觸式心率檢測(cè)方法的顏色空間選擇[J]. 曹劍劍,馮軍,湯文明,余瑛.  計(jì)算機(jī)科學(xué). 2017(S2)
[5]基于面部視頻的血流信號(hào)提取方法的比較及適用性研究[J]. 何璇,吳小培,張超,衛(wèi)兵,呂釗.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(02)
[6]基于iPPG的非接觸式心率測(cè)量方法研究[J]. 劉祎,歐陽(yáng)健飛,閆勇剛.  計(jì)量技術(shù). 2015 (04)
[7]基于聯(lián)合對(duì)角化算法的非接觸心率估計(jì)[J]. 王英志,韓太林.  生物醫(yī)學(xué)工程學(xué)雜志. 2014(04)
[8]基于GSM的遠(yuǎn)程心率監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 鄭爭(zhēng)兵,趙峰.  計(jì)算機(jī)應(yīng)用. 2012(07)
[9]一種基于膚色的人臉檢測(cè)與定位方法[J]. 齊永鋒,火元蓮.  計(jì)算機(jī)應(yīng)用. 2009(03)
[10]基于均值漂移與卡爾曼濾波的目標(biāo)跟蹤算法[J]. 常發(fā)亮,劉雪,王華杰.  計(jì)算機(jī)工程與應(yīng)用. 2007(12)

博士論文
[1]基于人臉局部信息生物特征識(shí)別若干問(wèn)題研究[D]. 李云飛.西安電子科技大學(xué) 2018
[2]心血管生理參數(shù)非接觸式檢測(cè)關(guān)鍵技術(shù)研究[D]. 范強(qiáng).武漢大學(xué) 2017
[3]非接觸式生理信號(hào)檢測(cè)關(guān)鍵技術(shù)研究[D]. 孔令琴.北京理工大學(xué) 2014

碩士論文
[1]基于人臉視頻的心率測(cè)量算法研究[D]. 陳旭.電子科技大學(xué) 2019
[2]基于視頻的非接觸式胎心檢測(cè)算法研究[D]. 劉鴻程.上海師范大學(xué) 2019
[3]基于普通攝像頭的非接觸式生理參數(shù)檢測(cè)技術(shù)研究[D]. 馬良.山東大學(xué) 2017
[4]基于面部視頻的非接觸式血流信號(hào)檢測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D]. 何璇.安徽大學(xué) 2017
[5]基于人臉視頻處理的心率檢測(cè)方法研究[D]. 戚剛.合肥工業(yè)大學(xué) 2017
[6]基于人臉視頻圖像的心率檢測(cè)研究[D]. 萬(wàn)錚結(jié).浙江工業(yè)大學(xué) 2014
[7]基于PPG和彩色視頻的非接觸式心率測(cè)量[D]. 姚麗峰.天津大學(xué) 2012
[8]基于胎兒心率信號(hào)提取的自適應(yīng)去噪算法的研究[D]. 田寶鳳.吉林大學(xué) 2004



本文編號(hào)：2988649