[发明专利]基于信号变分模态分解的远程光体积法血压实时识别方法

权利要求书

1.基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：包括如下步骤：

步骤1、将RGB视频流单帧面部ROI像素均值作为rPPG信号采样点，采样获得rPPG信号流；

步骤2、针对rPPG信号流，使用滑窗策略在单窗之中应用变分模态分解算法得到模式分量，再对所有模式分量进行能量统计和FFT分析，提取FFT分析中主频最接近心跳的第二模式分量作为心跳时域估计信号；

步骤3、使用形态提取算法获得心跳时域估计信号上峰值的左右半峰时间差，统计得到该时间差信号均值，并使用标准血压数据进行线性回归，获得时间差信号均值和标准血压的线性关系，实现血压实时识别。

2.根据权利要求1所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：步骤1中，使用120Hz以上采样率的RGB视频流，提取单帧图片，通过人脸检测模型获取人脸面部ROI区域的分割，在此分割区域计算像素均值，作为rPPG信号采样点。

3.根据权利要求2所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：所述人脸检测模型为face mesh网络；所述face mesh网络进行脸部特征点2d位置识别和3d深度估计，获得脸部的11个特征点，分别是额头5个，左右脸颊各3个，对应三个脸部ROI区域；然后利用特征点估计出的3d信息进行ROI区域的法向量计算，舍弃法向量和镜头视角夹角超过60°的ROI区域，防止引入干扰，将保留的ROI区域的RGB数值进行全像素的均值统计。

4.根据权利要求3所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：通过调整face mesh网络的面部追踪和特征点提取策略，减少面部追踪算法的调用。

5.根据权利要求2所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：将rPPG信号流减去RGB视频流中背景区域的均值信号流以除掉环境光照带来的漂移。

6.根据权利要求1所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：步骤2中，将第二分量送入截止频率0.5-3Hz的30阶椭圆滤波器进行滤波。

7.根据权利要求1所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：步骤3中，所述时间差信号均值获取是对心跳时域估计信号进行形态学分析，将极大值作为峰值，然后在峰值左右寻找过零点，计算左右过零点和峰值点构成的左右半峰时长，再使用右半宽减去左半宽得到左右半峰时间差，统计得到的所有左右半峰时间差后，去掉所有35-65ms以外的数据点，针对筛选结果进行上包络拟合，并使用3阶样条曲线进行插值，之后进行1hz的10阶椭圆低通滤波，从而获得时间差信号均值。

8.根据权利要求1所述的基于信号变分模态分解的远程光体积法血压实时识别方法，其特征在于：步骤2中，设置滑窗长度至少包含10次心跳脉冲，以保证单窗质量，同时增大滑窗步进，以减少算力消耗。