[发明专利]基于视频微运动放大的脉搏视频脉搏提取方法及系统

说明书

本发明涉及一种基于视频微运动放大的脉搏视频脉搏提取方法，包括以下步骤：步骤S1:获取人体手腕部视频信号；步骤S2:将采集到的视频信号通过EVM‑FRR算法进行微小动作放大处理;步骤S3:提取放大后视频信号红绿蓝通道的一维时间序列，并依次进行标准化处理；步骤S4:将标准化处理后的时间序列经过独立成分分析分解为三个独立成分，选取理想成分；步骤S5:根据得到的理想成分，通过自动寻谷算法寻找信号各个周期的波谷位置，并根据波谷位置将原始信号进行单周期分解;步骤S6:将分解后的单周期信号归一化，并通过混合高斯函数进行数据拟合;步骤S7:将拟合的单周期信号再次进行标准化处理，最后再合成,得到一个完整周期的脉搏波信号。本发明实现了对波形信号的非接触式测量。

技术领域

本发明涉及数字图像分析处理领域，具体涉及一种基于视频微运动放大的脉搏视频脉搏提取方法及系统。

背景技术

脉搏波信号因其包含丰富的生理学信息从而为分析个体的身体健康状况提供了重要的参考依据。在中医学中，脉诊是最具特色的诊断方法之一，医生通过无名指、中指和食指的指尖依次贴附与病人的手腕桡动脉三个被称为寸、关、尺的位置。通过感受桡动脉由于心脏泵血而引起血管体积的变化从而判断病人的身体健康状况。脉诊在我国有几千年的历史，在秦朝之前就有文献记载。然而，传统中医的脉诊也存在以下两点局限性：一是脉诊技巧是需要长时间的训练才能熟练的掌握，传统中医脉诊技巧需要医生花费数年甚至是数十年的临床经验才能熟练掌握。有关脉诊的相关资料也显得晦涩难懂，读者难易在短时间内领会并掌握其中的要义。其次是脉诊结果过度依赖于医生的经验，不同的医生由于各自的临床经验不同在面对同一种病例时可能会得到不同的诊断结论，此时的脉诊结果因其不具有客观性而显得不可靠。为了克服上述传统脉诊的局限性，计算机脉诊(computationalpulse diagnosis,CPD)期望将计算机辅助诊断运用到传统脉诊中，使得计算机能够代替人类来完成这种复杂的、依赖于大量训练才能掌握的技巧。CPD如传统的模式识别算法步骤类似，包含三个步骤：脉搏数据采集、特征提取以及分类模型诊断。CPD通过各种传感器来获取到脉搏波信号再通过模式识别算法实现疾病的诊断和分类，因此具备更高的客观性以及可靠性。在过去的几十年里，已经有很多研究者展开了CPD的研究。然而，这些研究主要是集中在特征提取以及分类模型诊断两个方面，较少有关于脉搏波信息获取方法的创新型研究。而信号获取对CPD的研究起着决定性作用。因此，研究出一种新的脉搏波信号采集方法是非常有必要的。

发明内容

有鉴于此，本发明的目的在于提供一种基于视频微运动放大的脉搏视频脉搏提取方法及系统

为实现上述目的，本发明采用如下技术方案：

一种基于视频微运动放大的脉搏视频脉搏提取方法，包括以下步骤：

步骤S1:获取人体手腕部视频信号；

步骤S2:将采集到的视频信号通过EVM-FRR算法进行微小动作放大处理；

步骤S3:提取放大后视频信号红绿蓝通道的一维时间序列，并依次进行标准化处理；

步骤S4:将标准化处理后的时间序列经过独立成分分析分解为三个独立成分，随后选取其中具有最高信噪比的信号作为理想成分；

步骤S5:根据得到的理想成分，通过自动寻谷算法寻找信号各个周期的波谷位置，并根据波谷位置将原始信号进行单周期分解；

步骤S6:将分解后的单周期信号归一化，并通过混合高斯函数进行数据拟合；

步骤S7:将拟合的单周期信号再次进行标准化处理，最后再合成,得到一个完整周期的脉搏波信号。

进一步的，所述人体手腕部视频信号采样频率不小于60fps，每一帧图像的分辨率不低于720p。

进一步的，所述EVM-FRR算法，具体如下：