[发明专利]一种基于热成像技术的非接触式心率提取方法

权利要求书

1.一种基于热成像技术的非接触式心率提取方法，其特征在于：包括以下步骤：

步骤一：采用热红外成像系统采集人脸图像，通过相关性算法，提取相关性最大的区域作为感兴趣区域；将脸部的额头、眉心、左脸、右脸、鼻子定义成不同的对象，采用基于零滞后相关矩阵和随机矩阵理论构建相关性模型；

(1)设定等时相关矩阵

热信号的多参数时间序列信号设定为S_i(t)(i＝1…N)，而等时间相关矩阵C则由热信号的归一化来构建：

其中，σ_i是标准差，是平均值；利用佩尔松的相关系数分析各个参数，设定等时相关矩阵C如下所示：

所有的计算都是基于时间序列t∈[1,T]，因此，等时相关矩阵改写成：

其中，是的转置；

(2)归一化后S_i的相关矩阵特征值公式

N对象数据间的相似性取决于C矩阵的特征值最大值，所有有限长随机时序热信号S_i都是不相关，归一化后S_i的相关矩阵特征值分布公式如下：

其中，λ∈[λ_-，λ₊]，而Q＝T/N，由此可以获得λ_-和λ₊：

在N位参与者的热信号中，相关矩阵C代表的是各个热信号的相关性，只要计算最大的特征值，并将它和λ₊做比较，如果最大特征值比λ₊大，那么说明具有一定的相似性和相关性；反之，说明热信号之间没有相关性；选择眶周处两个相关性较大的区域作为心率信号的感兴趣区域；

步骤二：基于曲波变换的热信号去噪；

(1)首先对图像进行子带分解，然后对不同尺度的子带图像采用大小不同的块，分别对每个块进行脊波分析；若每个块的频带宽度为w，长度为l，两者之间满足关系w＝l²，选择第二代快速离散曲波变换来获取曲波系数；

(2)将图像序列先行划分为静态和运动区间，并将此区间归一为[0,1]区间，此区间由连续帧图像的差异获得，归一化后的系数作为权重参考来对曲波系数实施空间滤波；

(3)构建领域相关性的阈值去噪模型；

步骤三：心率信号提取

在获得信号域后，温度信号做快速傅里叶变换处理，选取的时间窗口是20秒，而感兴趣的频率区间设置为[0.83Hz，3.3Hz]，这个频率区间正好分别对应人体心率的60bmp到200bmp之间，选择频域能量最大的频率作为心率频率的输出值。

2.如权利要求1所述的一种基于热成像技术的非接触式心率提取方法，其特征在于：所述步骤二中构建领域相关性的阈值去噪模型包括以下步骤：

S1：选择目标点相邻的8个点，计算相关性，通过相关性获取新阈值信息；

S2：用Wrap方法对含噪图像进行曲波变换得到不同尺度和不同方向曲波系数矩阵序列；

S3：根据各子代的不同特征计算阈值，将曲波系数分为两类，大于等于该阈值的曲波系数为一类，小于该阈值的系数为另一类，大于阈值的系数保留；

S4：对小于该阈值的曲波系数做P-M去噪，在P-M去噪后，如果目标点依旧小于阈值，则采用领域相关性方法予以进一步处理；领域相关选择曲波系数以及周边系数点，同时计算系数和周边点的相关性，在选择领域相关区域时，将目标点为核心的9个点为矩阵X，而于X相邻的同样的3*3矩阵系数则分别为Y₁，Y₂,…Y₉；分别计算X₁于Y₁，Y₂,…Y₉区域的相关性；

其中，σ_xy为协方差，σ_x和σ_y为标准差，u为平均值，获得相关性较大的区域后，选取空间上最近的4个点ct1，ct2，ct3，ct4，采用平方和加权形式使目标点和相关性较大的相邻点矩阵逼近，然后再获取权重系数；令

同时求解

其中：C_t为目标点系数，而C_y为相邻相关性最大的相关系数，由此求解出一组权重系数ω；同时令

通过Monte-Carlo分析方法来估计每一个曲波指数的噪声方差，去噪算法中曲波系数的阈值处理由下式给出：

S5：对曲波系数进行逆变换，得到去噪后图像。