宋正偉,陳 鯨,楊學(xué)志,吳克偉,方 帥

1（合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院,合肥 230009）

2（工業(yè)安全與應(yīng)急技術(shù)安徽省重點(diǎn)實(shí)驗(yàn)室,合肥 230009）

3（合肥工業(yè)大學(xué) 科研院,合肥 230009）

心率可以反映人體的心血管健康狀態(tài),是當(dāng)代醫(yī)療領(lǐng)域中一項(xiàng)重要的生理參數(shù),對(duì)人體的健康檢測具有重大意義.隨著心臟的間歇性收縮和舒張,血液壓力、血流速度和血流量的脈動(dòng)在血管系統(tǒng)中的傳播引起了血管壁的變形和振動(dòng),進(jìn)而形成了搏動(dòng)的特征[1].脈搏波反映了這些波形的變化特征,從這些變化特征中我們可以觀測出人體的心血管健康狀況.

當(dāng)人體血液流經(jīng)皮膚表面的心血管時(shí),會(huì)引起皮膚表面的兩種變化:一種是顏色變化[2],一種是振動(dòng)變化.皮膚顏色變化是由于人體血液中包含的血紅蛋白對(duì)不同光的折射率不同,所以通過皮膚表面的光強(qiáng)變化,就可以檢測血管中血液容積的變化,進(jìn)而檢測血管壁的波動(dòng)情況.而振動(dòng)變化是因?yàn)檠毫鹘?jīng)動(dòng)脈對(duì)血管壁產(chǎn)生振動(dòng)[3],進(jìn)而傳播到皮膚表面產(chǎn)生了微小運(yùn)動(dòng).通過基于視頻的非接觸式脈搏波檢測方法可以有效遠(yuǎn)距離從人體的面部、頸部、腕部提取出脈搏波.

基于視頻的非接觸式心率檢測的原理是借助外界的光源照射人體,通過遠(yuǎn)程測量光信號(hào)的變化,間接檢測人體心率.視頻法解決了傳統(tǒng)接觸式心率檢測需要傳感器與受試者肢體接觸,應(yīng)用場所有限,難以方便、快捷地進(jìn)行心率檢測的問題.然而視頻法檢測心率易受光照干擾以及人體晃動(dòng)的干擾,這是視頻法檢測心率不能忽視的問題.

Poh等人[4]提出了一種通過分析視頻中人臉變化從而估計(jì)心率的方法.該方法將人臉區(qū)域圖像分離為RGB三通道,分別計(jì)算區(qū)域內(nèi)灰度均值.經(jīng)過一段時(shí)間后可得到隨時(shí)間變化的3個(gè)觀測信號(hào)R,G,B.使用獨(dú)立成分分析（Idependent Component Analysis,ICA）[5]對(duì)R,G,B三個(gè)信號(hào)進(jìn)行ICA分析,得到3個(gè)相互獨(dú)立的源信號(hào),再進(jìn)行功率譜估計(jì),取其中第1個(gè)基向量為脈搏波.但是有時(shí)血液容積脈搏波（Blood Volume Pulse,BVP）信號(hào)可能是其他基向量,結(jié)果誤差較大.Wu等人[6]提出了歐拉視頻放大算法（Eulerian Video Magnification,EVM）,該算法可以將人眼所觀測不到的微小振動(dòng)進(jìn)行放大處理,實(shí)現(xiàn)肉眼可視化,這種算法給我們非接觸式的脈搏波檢測提供了新的思路.Miljkovic等人[7]使用EVM來提取人臉視頻中的心率,將人臉上血液流經(jīng)皮膚時(shí)所產(chǎn)生的顏色變化進(jìn)行放大,但是該算法需要受測者配合實(shí)驗(yàn),不能有輕微移動(dòng),準(zhǔn)確性才能保證.戚剛等人[8]提出了一種基于EVM的抗運(yùn)動(dòng)干擾脈搏波提取算法,該算法首先檢測出人臉區(qū)域,使用Kanade-Lucas-Tomasi（KLT）技術(shù)對(duì)視頻序列中的人臉進(jìn)行跟蹤和傾斜校正,減少人體運(yùn)動(dòng)的干擾,之后進(jìn)行顏色放大,提取心率.在非合作的復(fù)雜場景下可以準(zhǔn)確檢測,但是濾波器使用了理想濾波器,沒有較好的保留脈搏波的細(xì)節(jié).在算法上由于使用了KLT,運(yùn)算量較大,速度相比其他算法要慢,且受光照干擾也比較大,實(shí)際應(yīng)用還有許多困難.李曉媛等人[9]同樣使用KLT算法跟蹤識(shí)別人臉圖像,并轉(zhuǎn)化到Y(jié)CbCr顏色空間進(jìn)行皮膚檢測并同時(shí)轉(zhuǎn)換到Cg顏色通道來提取脈搏波,用Morlet復(fù)小波作為母波繪制能量譜圖.蘇培權(quán)等人[10]提出使用EVM運(yùn)動(dòng)放大來放大人體腕部橈動(dòng)脈的振動(dòng)幅度,通過對(duì)放大后腕部橈動(dòng)脈的振動(dòng)定位,最后使用亮度加權(quán)求和來提取脈搏波.雖然在一定程度上避免了光照干擾,但是需要受測對(duì)象配合實(shí)驗(yàn)且腕部位移幅度較大時(shí)誤差較大,對(duì)運(yùn)動(dòng)干擾缺少魯棒性.李江山等人[11]對(duì)蘇培權(quán)等人[10]的方法進(jìn)行了改進(jìn),在對(duì)腕部表皮進(jìn)行放大處理以后,選取感興趣區(qū)域（Region Of Interest,ROI）為待處理區(qū)域,利用獨(dú)立成分分析算法來分離腕部區(qū)域中的脈搏波信號(hào)和環(huán)境噪聲,再通過功率譜估計(jì)對(duì)脈搏波信號(hào)進(jìn)行分析.但是上述方法都是基于亮度來對(duì)信號(hào)進(jìn)行處理的,抗光照變化能力差,受目標(biāo)微運(yùn)動(dòng)的干擾較大.

針對(duì)上述文獻(xiàn)提出的算法中存在抗光照干擾能力弱,抗運(yùn)動(dòng)干擾能力弱的問題,本文提出了一種基于相位[12,13]變化的視頻心率檢測算法,通過提取腕部表皮振動(dòng)信息的方法來選取脈搏波,可以有效避免光照干擾; 通過復(fù)可控金字塔的方向分解,濾除了其他方向的運(yùn)動(dòng)噪聲,只保留了腕部表皮的振動(dòng)信息; 對(duì)視頻采用顯著區(qū)域選擇和魯棒主成分分析進(jìn)行噪聲抑制.因此,本文的貢獻(xiàn)如下:

（1）針對(duì)拍攝視頻時(shí)人體輕微晃動(dòng)產(chǎn)生的運(yùn)動(dòng)干擾問題,本文設(shè)計(jì)了具有方向選擇的復(fù)可控金字塔的濾波器,用于篩選出脈搏振動(dòng)信號(hào).

（2）針對(duì)傳統(tǒng)脈搏振動(dòng)信號(hào)受到噪聲干擾問題,本文估計(jì)局部的脈搏信號(hào)信噪比,實(shí)現(xiàn)脈搏信號(hào)的感興趣區(qū)域篩選.

（3）本文進(jìn)一步使用魯棒主成分分析,對(duì)脈搏振動(dòng)信號(hào)進(jìn)行信號(hào)分離,提取出可靠的脈搏信號(hào),用于實(shí)現(xiàn)準(zhǔn)確的心率檢測.

1 振動(dòng)信號(hào)分解的心率提取算法

本文提出了一種基于相位變化的腕部橈動(dòng)脈視頻脈搏波提取方法.首先,采集腕部橈動(dòng)脈的視頻,選取垂直于手臂輪廓的方向作為復(fù)可控金字塔的方向,之后進(jìn)行分解得到每一個(gè)像素點(diǎn)的相位,選取每個(gè)像素第一幀相位為標(biāo)準(zhǔn),與后續(xù)每一幀對(duì)應(yīng)像素的相位相減得到相位差信號(hào),選取ROI信噪比最高的區(qū)域?yàn)榇幚韰^(qū)域,通過時(shí)域帶通濾波提取感興趣頻段內(nèi)的相位差信號(hào); 最后使用魯棒主成分分析算法提取脈搏波信號(hào),使用功率譜估計(jì)法計(jì)算心率值.算法流程圖如圖1所示.

圖1 基于振動(dòng)相位信號(hào)分解的心率檢測算法流程圖

1.1 復(fù)可控金字塔方向選擇與分解

由于人體橈動(dòng)脈的脈搏振動(dòng)強(qiáng)度比較微弱,易受人體其他振動(dòng)噪聲干擾,為了能夠準(zhǔn)確提取到脈搏波信號(hào),我們采用復(fù)可控金字塔在指定方向上進(jìn)行方向分解提取相位信號(hào),這樣在減少其他方向運(yùn)動(dòng)干擾的同時(shí)也減少了計(jì)算量.復(fù)可控金字塔示意圖如圖2所示.

圖2 復(fù)可控金字塔示意圖

復(fù)可控金字塔的本質(zhì)就是一個(gè)尺度-方向帶通濾波器組[13].各層帶通濾波器（頻域）均是通過低通濾波器與高通濾波器相乘的方式實(shí)現(xiàn),高通濾波器的實(shí)現(xiàn)公式為:

圖3 帶通濾波器（頻域）

方向?yàn)V波器的模板如式（2）所示.

在本文中,k值取為8,方向b取值為2,這樣可以更好的減少其他方向運(yùn)動(dòng)噪聲干擾.將視頻的第一幀經(jīng)過復(fù)可控金字塔處理提取出腕部輪廓,在輪廓上選取標(biāo)定點(diǎn)A和B,濾波器方向取垂直于點(diǎn)所在直線的方向.這里,復(fù)可控金字塔的方向選擇如圖4所示.

圖4 復(fù)可控金字塔方向選擇

1.2 ROI區(qū)域選擇

在使用復(fù)可控金字塔對(duì)腕部橈動(dòng)脈相位差信號(hào)進(jìn)行提取后,若對(duì)視頻整體進(jìn)行處理,不僅會(huì)引入噪聲干擾還會(huì)大大增加后續(xù)的運(yùn)算量,所以要將視頻區(qū)域分成大小一致的若干子塊,選取一個(gè)子塊作為ROI區(qū)域來進(jìn)行后續(xù)處理.由于橈動(dòng)脈振動(dòng)信號(hào)的強(qiáng)度要遠(yuǎn)大于環(huán)境噪聲,所以含有橈動(dòng)脈振動(dòng)的區(qū)域會(huì)具有更高的信噪比,選取腕部信噪比最高的區(qū)域有利于脈搏波的提取.最終輸入相位差矩陣表示為G（x,y,t）,選取步驟如下:

（1）區(qū)域分塊

（2）信噪比計(jì)算與ROI區(qū)域選擇

求其每個(gè)子區(qū)域的信噪比,并且得出信噪比最大的子區(qū)域的坐標(biāo).信噪比計(jì)算公式如式（5）所示.求取ROI區(qū)域坐標(biāo)如式（6）所示.

1.3 魯棒主成分分析提取脈搏波

在提取到相位差信號(hào)之后,進(jìn)行時(shí)域帶通濾波處理,頻帶范圍為0.8-2 Hz,濾波器采用無限脈沖響應(yīng)（Infinite Impulse Response,IIR）濾波器.最后將選?。╱,v）子區(qū)域的相位差信號(hào)作為最后的樣本輸入矩陣I.

主成分分析算法（PCA）可以有效的去除數(shù)據(jù)中的噪聲和冗余的干擾,將原有的復(fù)雜數(shù)據(jù)降維.找到一組新的基底能表示原有的數(shù)據(jù)的線性關(guān)系.但是主成分分析只能解決被高斯分布噪聲污染的信號(hào)分離問題,無法處理高幅度尖銳噪聲.而腕部的橈動(dòng)脈的運(yùn)動(dòng)信息最易受到人體非自主性的運(yùn)動(dòng)尖銳噪聲的影響.魯棒主成分分析（robust PCA）[14]解決了這一缺陷.將輸入相位差矩陣I寫成式（8）的形式,A是低秩的脈搏波信息矩陣[15],E是稀疏的運(yùn)動(dòng)噪聲[16].

這里使用增廣拉格朗日乘子法[15]來求解上述問題.構(gòu)造增廣拉格朗日函數(shù)如下:

最后更新參數(shù)μ:

其中,ρ>1為常數(shù),ε為大于0但趨近于0的數(shù).

經(jīng)過上述過程我們得到了低秩的脈搏波矩陣A,這里我們對(duì)每一行的脈搏波向量求和取平均值處理,最后的結(jié)果即為脈搏波.脈搏波提取結(jié)果如圖5所示.在提取脈搏波之后,使用快速傅里葉變換（Fast Fourier Transform,FFT）提取出脈搏波的功率譜,將功率譜[17]最大值對(duì)應(yīng)的頻率fHR作為人體的心率.心率的準(zhǔn)確性可以很好評(píng)估脈搏波提取的準(zhǔn)確性.

圖5 脈搏波提取結(jié)果圖

HR就是我們最后的心率檢測結(jié)果.

2 實(shí)驗(yàn)結(jié)果與分析

本節(jié)將設(shè)計(jì)4組對(duì)比實(shí)驗(yàn)來驗(yàn)證本文提取脈搏波算法的準(zhǔn)確性和魯棒性.首先以傳統(tǒng)接觸式力康Prince-100F型脈搏檢測儀作為真值,同時(shí)與文獻(xiàn)[9-11]三種非接觸式脈搏波檢測方法在無干擾場景下與本文算法進(jìn)行對(duì)比,驗(yàn)證本文方法提取脈搏波結(jié)果的準(zhǔn)確性.然后進(jìn)行了各步驟實(shí)驗(yàn)來證明復(fù)可控金字塔、ROI區(qū)域選擇和魯棒主成分分析3個(gè)子步驟對(duì)本文心率提取方法的貢獻(xiàn)度.之后再與3種心率檢測方法在光照干擾與運(yùn)動(dòng)干擾的條件下進(jìn)行對(duì)比,驗(yàn)證本方法在干擾場景下心率檢測的準(zhǔn)確性和魯棒性.最后對(duì)受測者進(jìn)行6 min的心率檢測.

2.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)過程如圖6所示,使用惠普筆記本電腦連接攝像頭進(jìn)行視頻采集,其中攝像頭距離人體腕部0.4 m左右,需要受測者配合將手臂平放朝上,盡可能減少自身上半身與手臂的晃動(dòng).在采集視頻的同時(shí),我們也使用接觸式力康Prince-100F型脈搏檢測儀同步采集來自指尖的脈搏波.該設(shè)備基于PPG原理,利用血管中血紅蛋白對(duì)不同波長的光譜的吸收能力[18]不同,以及心臟搏動(dòng)時(shí)候血流量的不同獲取搏動(dòng)信號(hào),將該檢測設(shè)備得到的結(jié)果作為人體心率的真值.

圖6 心率檢測實(shí)驗(yàn)過程示意圖

實(shí)驗(yàn)裝置為惠普筆記本電腦,CPU為英特爾i7,內(nèi)存8 GB,操作系統(tǒng)Windows 10; 攝像頭型號(hào)為羅技HD 1080p.采用軟件Matlab 2019b進(jìn)行裝置控制,實(shí)驗(yàn)采集視頻為RGB彩色空間,分辨率為640×480,視頻幀率30幀/s,每位受測者拍攝時(shí)長為10 s,總計(jì)300幀圖像.受測者共計(jì)15人,包括12名男性3名女性.年齡從21到45歲不等.

2.2 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文方法的準(zhǔn)確性與魯棒性.本文復(fù)現(xiàn)了文獻(xiàn)[9-11]三種非接觸式心率提取算法作為對(duì)比分析.采用平均誤差Me、標(biāo)準(zhǔn)差SDe、均方誤差RMSE、準(zhǔn)確率HRac和皮爾森相關(guān)系數(shù)r作為算法的評(píng)價(jià)指標(biāo).

2.2.1 各步驟實(shí)驗(yàn)結(jié)果

為了研究每個(gè)步驟對(duì)整體方法準(zhǔn)確率的提升度.進(jìn)行各步驟心率檢測實(shí)驗(yàn),證明復(fù)可控金字塔的特征提取與ROI區(qū)域選取和rPCA去噪是本文方法不可或缺的.本次實(shí)驗(yàn)中,光照環(huán)境為自然光,志愿者保持靜止?fàn)顟B(tài)坐在攝像機(jī)前,對(duì)15位志愿者進(jìn)行非接觸式心率檢測,實(shí)驗(yàn)步驟按照表所示分別進(jìn)行,每種實(shí)驗(yàn)步驟進(jìn)行一次,采集3組視頻,同時(shí)使用脈搏波檢測儀同步檢測心率信息.

通過表1可以看出,復(fù)可控金字塔這一步起到了顯著作用,單獨(dú)使用的準(zhǔn)確率都達(dá)到了85%以上,而ROI區(qū)域選取和rPCA分別將方法準(zhǔn)確率提升了7%和3%.這是因?yàn)閺?fù)可控金字塔在主要方向上提取的相位差信號(hào)有效避免了運(yùn)動(dòng)噪聲.ROI區(qū)域選取避免了采集視頻內(nèi)的無關(guān)噪聲,最后使用rPCA有效濾除了已選區(qū)域內(nèi)運(yùn)動(dòng)的尖銳噪聲干擾.本次實(shí)驗(yàn)驗(yàn)證了復(fù)可控金字塔在特征提取方面的有效性,驗(yàn)證了顯著區(qū)域選擇、魯棒主成分分析在噪聲抑制上的有效性.

表1 算法各步驟心率檢測結(jié)果

2.2.2 無干擾場景下的心率檢測

在本次實(shí)驗(yàn)中,首先在無干擾場景下進(jìn)行心率檢測,無干擾場景要求受測者在自然光下配合實(shí)驗(yàn)人員保持腕部靜止進(jìn)行視頻測量[19]采集.首先驗(yàn)證本文算法提取脈搏波的準(zhǔn)確性,通過本文方法提取的脈搏波所計(jì)算的心率結(jié)果與接觸式力康Prince-100F型脈搏檢測儀同步采集的來自指尖的心率進(jìn)行對(duì)比.15名受測者每人分別進(jìn)行3組實(shí)驗(yàn),每組包括接觸式與非接觸式檢測各一次.共計(jì)45組數(shù)據(jù).實(shí)驗(yàn)結(jié)果如表2所示.

表2 無干擾場景下心率檢測結(jié)果

在圖7（a）散點(diǎn)圖中,橫坐標(biāo)x軸表示的是心率檢測值,由本文脈搏波提取方法得出.心率測檢測值由縱坐標(biāo)y軸表示的是心率參考值,由接觸式力康Prince-100F型脈搏檢測儀提取結(jié)果得出,每組輸入數(shù)據(jù)對(duì)應(yīng)的是散點(diǎn)圖中的一個(gè)紅色點(diǎn)（測量值,真實(shí)值）,而參考值應(yīng)該是圖中橫貫整個(gè)坐標(biāo)軸斜率為1的藍(lán)色實(shí)線.在圖7（b）的Bland-Altman圖中:橫坐標(biāo)代表由人臉視頻測得的心率值,縱坐標(biāo)代表心率檢測值和參考值之間的誤差,黑點(diǎn)是由測量值和誤差組成的坐標(biāo)點(diǎn),藍(lán)線是通過這些坐標(biāo)點(diǎn)計(jì)算出的誤差均值,兩條紅線代表95%置信范圍,藍(lán)線越接近于0且兩條紅線之間的距離越小,說明心率的測量值和參考值之間的誤差越小.從圖7中可以看出,本文紅色點(diǎn)的分布較其他兩種方法相比更接近于藍(lán)色實(shí)線,證明了本文方法更接近于心率的真實(shí)值.

圖7 無干擾場景下心率檢測結(jié)果

從表2可以看出,4種方法的 M e均低于2 bpm,SDe 和 R MSE 均低于2.5 bpm,HRac高于96%,r接近1.以上這些數(shù)據(jù)表明,在無干擾場景下,3種方法都可以有效準(zhǔn)確的檢測心率.本文方法略好于其他方法.其可能原因是:在實(shí)驗(yàn)過程中受測者的腕部不可能保持絕對(duì)靜止?fàn)顟B(tài),存在著干擾,而本文提出的方法具有良好的魯棒性,所以在實(shí)驗(yàn)時(shí)表現(xiàn)出了更好的性能.

2.2.3 干擾場景下的心率檢測

為了證明本文方法具有良好的抗光照干擾與抗運(yùn)動(dòng)干擾能力,實(shí)驗(yàn)將在光照干擾和運(yùn)動(dòng)干擾兩種不同實(shí)驗(yàn)條件下與文獻(xiàn)[9-11]進(jìn)行對(duì)比試驗(yàn).光照干擾場景下采用自然光與日光燈混合拍攝,以日光燈的光照強(qiáng)度變化模擬光照干擾的實(shí)驗(yàn)條件,光照強(qiáng)度在100-600 lx內(nèi)連續(xù)不斷的變化.運(yùn)動(dòng)干擾場景下以腕部區(qū)域豎直向上為基準(zhǔn),受測者腕部左右輕微晃動(dòng)模擬運(yùn)動(dòng)干擾場景,腕部左右擺動(dòng)角度為5°.

文獻(xiàn)[9]采用的是YCbCr顏色空間進(jìn)行皮膚檢測并同時(shí)轉(zhuǎn)換到Cg顏色通道來提取脈搏波,用Morlet復(fù)小波作為母波繪制能量譜圖.文獻(xiàn)[10],文獻(xiàn)[11]采用的是歐拉運(yùn)動(dòng)放大,將血液流經(jīng)腕部橈動(dòng)脈時(shí)所引起的振動(dòng)變化進(jìn)行放大進(jìn)而提取脈搏波.本次實(shí)驗(yàn)視頻分辨率640×480,幀率30幀/s,拍攝時(shí)長為10 s,總計(jì)300幀圖像.

干擾場景下的心率檢測結(jié)果見表3,在干擾場景下其他兩種方法的檢測性能明顯下降,3種心率檢測方法在兩種干擾場景下準(zhǔn)確率均低于90%,而本文方法在光照干擾下準(zhǔn)確率HRac達(dá)到了91.16%,運(yùn)動(dòng)干擾條件下則為88.48%,平均誤差Me、標(biāo)準(zhǔn)差SDe、均方誤差RMSE等指標(biāo)也遠(yuǎn)小于3種主流方法.實(shí)驗(yàn)結(jié)果表明,在光照和運(yùn)動(dòng)兩種干擾場景實(shí)驗(yàn)條件下,本文方法均體現(xiàn)了良好的魯棒性.其中,心率檢測的準(zhǔn)確率隨著光照強(qiáng)度的增加而降低,隨著腕部左右擺動(dòng)幅度增加而降低.這是因?yàn)榕臄z視頻提取相位信息的過程中也會(huì)受到光照強(qiáng)度的影響,光照干擾影響著提取相位信息的準(zhǔn)確性; 而腕部擺動(dòng)角度越大,復(fù)可控金字塔提取豎直方向的脈搏波信息就越少,相位信息里蘊(yùn)含的噪聲就越多.本文與文獻(xiàn)[9]提取脈搏波的結(jié)果見圖8,文獻(xiàn)[10],文獻(xiàn)[11]脈搏波提取結(jié)果與文獻(xiàn)[9]的類似.本文提取的脈搏波很好地保留了脈搏波的細(xì)節(jié)而文獻(xiàn)[9]等的脈搏波部分已經(jīng)明顯失真.

圖8 脈搏波提取結(jié)果對(duì)比圖

表3 干擾場景下心率檢測結(jié)果

本文方法在各項(xiàng)心率檢測指標(biāo)上都優(yōu)于3種主流方法,其主要原因如下:

（1）文獻(xiàn)[9]主要通過采集人體面部視頻提取脈搏波,將RGB通道轉(zhuǎn)化為YCbCr通道,其中,亮度信息對(duì)光照變化最為敏感[20],在光照干擾的條件下提取脈搏波噪聲加大,誤差較大.并且沒有選定最優(yōu)ROI區(qū)域,人臉微表情或是溫度的不同也會(huì)產(chǎn)生干擾,而本文方法是通過提取振動(dòng)信息來選取脈搏波,可以有效避免光照干擾.而且自動(dòng)選定了處理區(qū)域,通過復(fù)可控金字塔的方向分解在相位域上處理降低運(yùn)動(dòng)干擾.

（2）文獻(xiàn)[10],文獻(xiàn)[11]和本文都采取了對(duì)腕部進(jìn)行處理提取脈搏波的方式,但是上述兩種方法僅僅采用了運(yùn)動(dòng)放大之后利用亮度提取脈搏波信號(hào)的方式,不僅僅受到其他運(yùn)動(dòng)噪聲的干擾,最后提取脈搏波也會(huì)受到光照影響,而本文采用方向分解的方式濾除了其他方向的噪聲只保留了橈動(dòng)脈的振動(dòng)信息,最后的相位差提取的方式也避免了光照的影響.

（3）本文方法的算法復(fù)雜度與文獻(xiàn)[10],文獻(xiàn)[11]相同,均為 O（n2）,但是后面兩種方法采用的歐拉視頻放大,經(jīng)過金字塔分解后進(jìn)行多尺度重構(gòu),而本文方法采用金字塔的一層進(jìn)行操作,雖然算法復(fù)雜度相同,但是本文方法的運(yùn)算量相比少得多; 文獻(xiàn)[9]由于使用了KLT進(jìn)行穩(wěn)像處理,算法復(fù)雜度達(dá)到了 O（n3）,且穩(wěn)像算法運(yùn)算量更為龐大,難以實(shí)際應(yīng)用.

2.2.4 長時(shí)間的心率檢測

為了驗(yàn)證本節(jié)所提出的方法所具有的穩(wěn)定性,本次設(shè)計(jì)了一組長時(shí)間心率檢測的實(shí)驗(yàn)來進(jìn)行測試.實(shí)驗(yàn)設(shè)定視頻時(shí)長為6 min,攝像頭對(duì)準(zhǔn)受測者的腕部,同時(shí)使用脈搏波檢測儀來檢測心率,并保存數(shù)據(jù).實(shí)驗(yàn)中以10 s為間隔計(jì)算一次心率值,同時(shí)取10 s內(nèi)脈搏波檢測儀心率的平均值.如圖9所示.圖中藍(lán)色虛線代表脈搏波檢測的平均值,紅色實(shí)線代表本文算法測量值.從圖9可以看出,本文所提出的方法與接觸式設(shè)備測量結(jié)果基本保持一致.

圖9 長時(shí)間心率檢測結(jié)果

3 結(jié)論

本文提出了一種基于相位變化的腕部橈動(dòng)脈視頻脈搏波提取方法.首先,通過對(duì)腕部橈動(dòng)脈視頻進(jìn)行復(fù)可控金字塔分解獲取每個(gè)像素點(diǎn)的相位值.然后,根據(jù)相位隨時(shí)間的變化規(guī)律構(gòu)建相位信號(hào),并通過顯著區(qū)域定位和帶通濾波對(duì)其進(jìn)行預(yù)處理.在此基礎(chǔ)上,通過魯棒主成分分析算法從相位信號(hào)中提取脈搏波,并結(jié)合功率譜估計(jì)方法計(jì)算心率值.本文以接觸式檢測設(shè)備提取的脈搏波為真值,與3種主流的心率檢測方法進(jìn)行對(duì)比.實(shí)驗(yàn)結(jié)果證明本文方法具有較高的抗光照和運(yùn)動(dòng)干擾能力,提高了心率檢測的精度.