基于图像光电容积描记法的心率测量

基于视频的图像光电容积描记法可以实现完全无接触心率测量。为了探究环境光线和通道选取对非接触心率测量的影响,首先采集30 s的面部视频,基于HSV色彩模型检测到肤色作为感兴趣区域,再结合小波变换与带通滤波滤除噪声,最后使用快速傅里叶变换提取心率频率并计算心率值,设计了20组实验,对比了不同颜色通道以及环境光线对心率计算结果的影响。实验结果表明:G通道与实际心率的线性相关程度最高,在均匀光场景下心率测量的均方根误差为1.14,平均误差率为1.38%。该方法可实现连续、无创的非接触式心率测量,对于远程医疗发展具有重要意义。

基于多光谱成像技术的非接触式心率检测研究

心率参数是反应人体健康状态的重要生理指标,而成像光电容积描记法可以通过非接触式的方式进行心率检测。成像光电容积描记法利用皮肤下组织对光有吸收和反射作用,通过检测血容量的变化导致光强度的变化来获得血流的脉动情况,这过程中对光其主要吸收作用的是血红蛋白。目前IPPG技术使用的成像设备是RGB三通道相机,它对血红蛋白的光谱范围只包含540 nm,因此本文使用多光谱相机进行非接触式心率检测,它包含了血红蛋白414 nm、540 nm和576 nm的光谱范围。本文通过使用上述两个成像设备做对比实验发现多光谱相机比RGB相机的检测误差要小,并且符合误差标准。

基于双摄像头的心率测量系统的设计与改进

针对在外部干扰或昏暗环境下利用图像光电容积描记(image Photoplethysmography,iPPG)技术进行心率测量时准确度较差,提出了一种自适应心率提取算法,并在嵌入式硬件平台上进行了验证。算法根据图像中人脸与背景区域的色度关系来识别不同的场景并启动合适的摄像头进行图像采集及自适应映射,接着对提取出的信号进行滤波,在信号质量评估后输出结果。上述方法在Zynq平台上进行了验证,使用双摄像头实现实时心率测量,并对结果进行可视化输出。实验结果表明:优化后的算法在光照及运动的双重干扰下的测量误差从3.36 BPM降至2.78 BPM,准确率提升了17.3%。另外,所设计的系统能够实现在极端黑暗条件下的心率采集,平均误差约为2.39 BPM。

运用视觉和主成分分析的非接触式心率测量

图像光电容积脉搏波描记法(PPGi)是一种利用视觉采集并分析人体皮肤由于充放血所引起的颜色变化来测量心率的方法。与传统的使用电极的方法相比较,这种方式能够提供更舒适的生理信息提取,在一些非医疗场景的健康监测和人机交互场景中是非常重要的。一种运用自动人脸追踪和主成分分析RGB三色通道来提取脉搏信号的方法被提出,分别对10名实验者进行视频拍摄,并在日光、灯光和日光与灯光同时存在的3种情况下实验,在视频拍摄人脸的同时用一个多导睡眠仪(用来测心电图)作对比。实验结果表明:该算法在准确提取出脉搏心率的同时,能够大幅降低运算时间。

非接触式心率测量研究初步

基于Matlab软件平台,通过图像光电容积脉搏波描记法(iPPG),提取心率波信号。结合人脸检测与跟踪技术,选取脸部三角区域作为感兴趣区域(ROI),从中分析提取i PPG信号,然后采用快速傅里叶变换计算出心率。通过对20名志愿者的实验,结果显示在不同颜色通道(R、G、B)提取出的心率信号的信噪比不同,其中G通道的心率信号最强。分析数据显示,与医用心电测量仪相比,该方法测量的平均误差为1.73 beat/min。采用光容积成像技术检测方法,可进一步实现血液灌注三维可视化,能检测动脉血氧饱和度、呼吸率、神经系统的生理活动和新生儿监护,甚至能应用于家庭移动医疗、运动检测等大众场合,提高便捷性,降低医疗成本。