[发明专利]基于人脸视频的房颤检测方法及系统

说明书

本申请公开了一种基于人脸视频的房颤检测方法及系统，所述方法包括：采集不同人体对象的多组人脸视频；依据人脸视频提取人脸光电容积脉搏波描记法PPG信号；根据人脸PPG信号提取人体对象对应的心率变异性特征；基于人体对象对应检测的ECG信号确定与心率变异特征匹配的房颤判断结果，将房颤判断结果为视频帧添加对应的房颤标记；通过多层感知机对添加有房颤标记的多组人脸视频进行分类训练，得到房颤检测模型；利用房颤检测模型根据待测对象对应的待测人脸视频进行特征分析，并输出待测对象对应的房颤检测结果。本申请的方案通过对人脸视频对人工智能分析，及时对患者可能存在对房颤情况提供预警，从而为患者在临床治疗时提供参考依据。

技术领域

本申请涉及计算机技术领域，特别是涉及基于人脸视频的房颤检测方法及系统。

背景技术

房颤，即心房颤动，是最常见的持续性心律失常。一般情况下，进行房颤检测时，多是通过对患者进行心电检测，根据心电检测的波形图的节律变异判断是否存在房颤。但是由于进行心电检测时可能需要一定的时间进行检测，以至于无法在患者进行临床治疗时提供检测依据。进而无法及时发现患者潜在的病情危机。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种基于人脸视频的房颤检测方法，包括：

采集不同人体对象的多组人脸视频；

依据所述人脸视频提取人脸光电容积脉搏波描记法PPG信号；

根据人脸PPG信号提取所述人体对象对应的心率变异性特征；

基于所述人体对象对应检测的ECG信号确定与所述心率变异特征匹配的房颤判断结果，将所述房颤判断结果为所述视频帧添加对应的房颤标记；

通过多层感知机对添加有所述房颤标记的多组人脸视频进行分类训练，得到房颤检测模型；

利用所述房颤检测模型根据待测对象对应的待测人脸视频进行特征分析，并输出所述待测对象对应的房颤检测结果。

可选地，所述依据所述人脸视频提取人脸光电容积脉搏波描记法PPG信号包括：

利用MNNKIT人脸检测器识别所述被测人体的人脸在所述人脸视频的各视频帧中的位置，并获取各所述视频帧中多个人脸特征点对应的多个特征点位置；

根据所述多个特征点位置获取所述人体对象的人脸在各所述视频帧中的运动坐标；

根据所述多个人脸特征位置确定所述人脸的额头区域、左脸区域、右脸区域和鼻子区域；

获取所述额头区域、左脸区域、右脸区域和鼻子区域的HSV颜色空间的均值，作为HSV颜色值，依据所述HSV颜色值按照三倍的方差原则设计皮肤颜色空间在HSV通道的范围，根据所述范围生成皮肤掩膜；

根据所述皮肤掩膜获取所述额头区域、左脸区域、右脸区域和鼻子区域的空域均值形成时序信号C；

根据所述人体对象的人脸在各所述视频帧中的运动坐标生成人脸的运动轨迹，作为运动噪声的干扰信号N；

基于所述时序信号C和干扰信号N生成矩阵S，S＝[C,N]；

通过最小二乘法从矩阵S求解人脸PPG信号。

可选地，人脸X轴的运动坐标为所述多个特征点X坐标的平均值；人脸Y轴的运动坐标为所述多个特征点Y坐标的平均值。

可选地，所述根据所述皮肤掩膜获取所述额头区域、左脸区域、右脸区域和鼻子区域的空域均值形成时序信号C包括：

根据所述皮肤掩膜获取所述额头区域、左脸区域、右脸区域和鼻子区域的空域均值形成3*T的时序信号，T为视频帧的长度；