[发明专利]一种去除环境光变化干扰的视频心率检测方法

摘要

本发明公开了一种去除环境光变化干扰的视频心率检测方法，首先获得面部感兴趣区域数据集和背景区域数据集，利用联合盲源分离技术对两个数据集进行处理，将共同拥有的环境光变化的信号源提取并置零，得到无环境光变化干扰的面部感兴趣区域数据集；其次选择最佳颜色通道的面部感兴趣区域数据，利用总体平均经验模态分解法得到本征模式分量；接着将所有最大幅值对应的频率处于所设定心率范围内的本征模式分量确定为候选本征模式分量集，并将其中最大幅值所对应的本征模式分量确定为最佳本征模式分量，通过峰值检测算法得到视频心率。本发明为非接触式心率检测提供了更准确的算法，在临床疾病诊断和日常的医疗保健方面具有重要的应用前景。

主权项

一种去除环境光变化干扰的视频心率检测方法，其特征是按如下步骤进行：步骤1：获取I帧视频图像；对I帧视频图像计算N个颜色通道的面部感兴趣区域的平均像素，获得面部感兴趣区域数据集X＝[X1,X2,…,Xn,…,XN]T；Xn表示第n个颜色通道的面部感兴趣区域数据；并对I帧视频图像计算N个颜色通道的背景区域的平均像素，获得背景区域数据集Y＝[Y1,Y2,…,Yn,…,YN]T；Yn表示第n个颜色通道的背景区域数据；并有，Xn＝[x1(n),x2(n),…,xI(n)]；xI(n)表示第n个颜色通道的面部感兴趣区域的第I个平均像素；Yn＝[y1(n),y2(n),…,yI(n)]；yI(n)表示第n个颜色通道的背景区域的第I个平均像素；步骤2：采用联合盲源分离法对所述面部感兴趣区域数据集X和背景区域数据集Y进行处理，获得混合矩阵解混矩阵面部感兴趣区域的典型相关变量集ZX=[Z1(X),Z2(X),...,Zp(X),...,ZP(X)]T]]>和背景区域的典型相关变量集ZY=[Z1(Y),Z2(Y),...,Zp(Y),...,ZP(Y)]T;]]>表示面部感兴趣区域的第p个典型相关变量，表示背景区域的第p个典型相关变量，1≤p≤P，P表示典型相关变量的个数；且面部感兴趣区域的典型相关变量集和背景区域的典型相关变量集中的P个典型相关变量均是按两者的相关系数大小进行降序排列；并有表示第I帧视频图像中面部感兴趣区域的第p个典型相关变量值；表示第I帧视频图像中背景区域的第p个典型相关变量值；则所述面部感兴趣区域数据集X＝AZX；背景区域数据集Y＝AZY；步骤3、设定相关系数阈值，并将面部感兴趣区域的典型相关变量和背景区域的典型相关变量的相关系数与所设定的相关系数阈值进行比较，若超出相关系数阈值，则将超出所述相关系数阈值的面部感兴趣区域的典型相关变量和背景区域的典型相关变量均作为环境光变化的典型变量；步骤4、获取超出所述相关系数阈值的面部感兴趣区域的典型相关变量的个数Q；并将面部感兴趣区域的典型相关变量集ZX中的前Q个的典型相关变量均置为零；从而形成不包含环境光变化的面部感兴趣区域的典型相关变量集步骤5、利用式(1)获得不包含环境光变化的面部感兴趣区域数据集表示第n个颜色通道中不包含环境光变化的脸部感兴趣区域数据：X~=AZ~X---(1)]]>步骤6、利用氧合血红蛋白吸收率选择所述N个颜色通道中第best个最佳颜色通道；第best个最佳颜色通道具有最大的氧合血红蛋白吸收率；步骤7、利用总体平均经验模态分解法将所述第best个最佳颜色通道中不包含环境光变化的脸部感兴趣区域数据分解成为L个本征模式分量S＝[S1,S2,…,Sl,…,SL]T；Sl表示第l个本征模式分量；步骤8：定义候选本征模式分量集，并初始化为空；初始化l＝1；步骤9、计算第l个本征模式分量Sl的频谱图，判断第l个频谱图中的最大幅值所对应的频率分量是否处于所设定的感兴趣的心率范围内，若处于，则将第l个本征模式分量Sl加入候选本征模式分量集中；否则直接执行步骤10；步骤10、将l+1赋值给l；并返回步骤9；步骤11、比较候选本征模式分量集中每个本征模式分量频率的最大幅值，选取最大的最大幅值所对应的本征模式分量作为最佳本征模式分量，对所述最佳本征模式分量采用峰值检测算法获得视频心率检测结果。