[发明专利]基于视频的高抗干扰心率检测方法、电子设备及存储介质

权利要求书

1.基于视频的高抗干扰心率检测方法，其特征在于，包括如下步骤：

光照判定步骤：采集光照度，并根据所述光照度进入对应的光线模式；所述光线模式包括光亮模式和光暗模式；

视频采集步骤：在对应的所述光线模式下实时采集视频数据，在所述视频数据中对人脸进行追踪并提取脸部视频信息；

脸部分割步骤：对所述脸部视频图像进行逐帧分割，提取有效区域图像中每一个像素点的原始信号；本步骤提取有效区域的原始信号Sr(t,x0,y0)、Sg(t,x0,y0)、Sb(t,x0,y0)或者Sir(t,x0,y0)，有效区域的原始信号也是脉搏原始信号，其中x0和y0代表有效区域像素点坐标；

均值处理步骤：对所述原始信号进行均值处理，将处理后的所述原始信号进行存储；

分析滤除步骤：对处理后的所述原始信号进行分析得到心率信号，并对所述心率信号进行噪声消除处理得到处理后的心率信号；

在光亮模式下，所述分析滤除步骤包括以下步骤：取保存在信号缓存器里最新的30s内的RGB多通道信号Sr(t)，Sg(t)和Sb(t)，分别采用子空间旋转法，脉搏血容积法和色差分析法对RGB多通道信号进行分析，得到心率信号S1_raw(t)，S2_raw(t)和S3_raw(t)；将未经过滤波处理的心率信号S1_raw(t)，S2_raw(t)和S3_raw(t)用巴特沃斯带通滤波器，进行噪声消除，得到心率信号S1(t)，S2(t)和S3(t)；由于人体心率范围为50-120bpm，在30fps的帧率下对应频率0.75-2Hz，所以采用巴特沃斯带通滤波，去除信号的噪声；

在所述光暗模式下的所述分析滤除步骤中，采用变量模式分解分离出心率信号，具体包括如下子步骤：

获取子步骤：选取存储的处理后的原始信号中最近预设时长内的红外原始信号，定义所述红外原始信号为f(t)＝Sir(t)；

初始化子步骤：对所述红外原始信号的本征信号、本征信号的中心频率、本征信号的拉格朗日因子进行初始化，并确定常数值：迭代次数上限N，分解成的本征信号预设个数K，限制参数α，以及迭代步进值τ和收敛界定值ε；

运算子步骤：通过公式一至三进行迭代运算，并当n≥N时或时停止迭代运算；公式一：公式二：公式三：其中为红外原始信号的本征信号，为本征信号的中心频率，为本征信号的拉格朗日因子；为第n次迭代的第k个本征信号估计值，为第n次迭代的第k个本征信号的中心频率估计值，为第n次迭代的拉格朗日因子估计值；

分解子步骤：分解得到K个本征信号，去除趋势本征信号，通过其余K-1个本征信号得到初始心率信号；

滤除子步骤：对所述初始心率通过巴特沃斯带通滤波器进行噪声消除得到处理后的心率信号；

其中在变量模式分解法分离出心率信号的过程中，采用增加分解模式数量的方法寻找最佳模式分解数；

频域转换步骤：在光亮模式中，将处理后的三通道RGB原始信号进行分析处理，分别得到对应的多种所述心率信号，分别对处理后的多种心率信号转换为相应的频域信号，并计算对应的频域信号的信噪比；

在光暗模式中，将处理后的心率信号转换为频域信号，并计算频域信号的信噪比。

2.如权利要求1所述的高抗干扰心率检测方法，其特征在于，在所述视频采集步骤中，当光线模式为所述光暗模式时，打开红外光源再实时采集所述视频数据。

3.如权利要求2所述的高抗干扰心率检测方法，其特征在于，当所述光线模式为光亮模式时，所述脸部分割步骤中的原始信号为RGB原始信号，在所述均值处理步骤中，对所述RGB原始信号中的三个通道的原始信号分别进行均值处理；当所述光线模式为光暗模式时，所述脸部分割步骤中的原始信号为红外原始信号，在所述均值处理步骤中，对所述红外原始信号进行均值处理。