[发明专利]基于红外序列图像的人体生理参数检测的方法

说明书

技术领域

本发明涉及一种应用红外序列图像检测人体生理参数的方法。通过记录人体面部太阳穴处的红外序列图像，然后结合重心法、经验模式分解及自回归模型频谱分析等实现信号提取和识别，最终完成呼吸及心率的无损，非接触式的测量。

背景技术

呼吸和心率是人体最重要的生理参数，他们实时反映着人体的生理状态及健康信息，在某些疾病发展过程中，心率及呼吸等生理参数会发生异常变化，但在通常条件下，尤其在家用环境中，人们对自身呼吸及心跳的变化不容易查觉，因此一种方便的适于家用的生理参数检测系统便具有很高的实际应用价值。

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。

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。

以上这些测量方式在实验室及医院中有着广泛的应用，但是在家用环境中，普通人对这些测量方法不够熟悉，操作上的麻烦及这些测量方法直接或间接地接触人体可能会干扰测量状态，这些因素限制了常用的接触式测量方法在家庭环境中的应用。

红外辐射是在可见光之外直至与毫米波相接，处于0.7μm-300μm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，皆可视为红外辐射源，人体也是一个红外辐射源，其辐射的峰值波长为9.348μm，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，便可知道温度的高低。

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。

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，因此在很多领域具有广泛的应用。

发明内容

本发明所解决的主要技术问题是利用构造的红外动态图像采集系统实现呼吸及心率信号的无损非接触的测量。本发明所采用的技术方案如下：

1根据提取的面部皮肤区域的质心的变化来滤除序列图像中头部的平面运动

2对感兴趣区应用重心法提取时间序列信号，重心法的应用弥补了所构建红外动态图像采集系统温度敏感度低的问题，使提取的时间序列信号能够全面反映感兴趣区的温度变化趋势。

3对时间序列信号进行经验模式分解，经验模式分解无需采用信号的先验知识，分解过程完全由数据自身驱动，基函数本身就是自适应地从原信号中分解而得，是后验的，克服了其他信号分析方法的诸多不足。

4对经验模式分解的结果进行自回归功率谱分析，实现对特征信号的识别，克服了傅里叶变化中谐波分量对结果识别的影响。

本发明具有如下优点：

(1)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。

(2)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生的温度变化信息。

(3)利用经验模式分解对时间序列信号进行了特征信号分离，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的局限。

(4)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。

(5)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

图1本发明的方法流程图

图2重心法得到的时间序列信号

图3经验模式分解的结果

图4心率信号频谱分析的结果

图5呼吸信号频率分析的结果

具体实施方式

1构建红外动态图像采集系统