[发明专利]一种非接触式桡动脉波形提取方法

摘要

本发明公开了一种非接触式桡动脉波形提取的方法，主要解决真实场景下非接触式腕部桡动脉脉搏波提取准确性和健壮性的问题，其实现过程是：（1）通过计算机控制摄像头采集30s正对着人体手腕的视频；（2）对采集的视频进行拉普拉斯金字塔，以实现空间分解，然后对金字塔分解的子带进行IIR滤波，以完成时域滤波，该过程实现视频中桡动脉搏动信号放大；（3）对放大后的视频分块处理，分析所有分块的功率谱，选取信噪比最高的区域作为感兴趣的区域；（4）选取感兴趣的区域作为输入信号，将该区域分为3个信号源，进行独立成分分析，最终得到桡动脉波形。本发明利用桡动脉的搏动特性，通过视频运动放大提取腕部桡动脉搏动信号，而后进行感兴趣区域精确选取，降低了环境噪声的干扰，同时使用独立成分分析，进一步提高了脉搏波波形的准确性。

主权项

1.一种非接触式桡动脉波形提取方法，其特征在于，包括如下步骤：(1)视频采集：将摄像头固定于人的手腕上方约0.3的位置，使摄像头正对腕部区域，通过计算机控制摄像头获取一段长度约30s的mp4格式的视频；(2)视频预处理：读取采集的腕部视频，将视频帧图像转换成矩阵，原始视频像素点在RGB颜色空间内采用8位整型存储，取值范围为[0,255]，进行归一化处理，像素点的取值范围映射到[0,1]区间，使用64位双精度类型存储，每一帧图像F_i到矩阵M_i的映射公式为：(3)视频放大：对预处理后的视频帧序列采用欧拉视频放大方法进行处理，使视频中包含的腕部桡动脉搏动信号可视化；a)空间分解使用拉普拉斯金字塔进行视频帧图像的空间分解，从高斯金字塔的底层开始为图像的原始尺寸图像G₀，逐级向上为第i层图像G_i，每一级所在的图像都是在下一级图像的下采样与高斯滤波得到，即第i级图像；那么第i层拉普拉斯金字塔的定义为，第i层的G_i减去第i+1层做过上采样的G_i+1，两者的残差即为第i层的拉普拉斯金字塔图像L_i:其中，UP表示上采样，表示卷积运算，g_5x5表示5x5的高斯滤波核，基于运算速度和滤波效果的综合考虑，选用5x5大小的滤波核；b)时域滤波利用IIR滤波器对拉普拉斯金字塔图像分解后的图像组，进行时域滤波，以获取桡动脉搏动信号；其中，IIR滤波器设计实现如下，IIR滤波器差分方程为：Y(z)＝(1‑r)Y(n‑1)z^‑1+rX(z)          (3)IIR滤波器系统函数为：其中0≤r≤1，可以看出(1‑r)ⁿ逼近x轴方向，是个单边信号；两个所述IIR滤波器相减就构成带通滤波器，其对应的带通就是所要获取的桡动脉运动信号；c)放大与重构对时域滤波后的信号进行放大，将R通道的幅值保持不变，G和B通道分别放大100倍，即对其通道内的每个像素点值乘以100；每一帧放大之后都扩展到原始视频帧大小，并与原始视频帧图像相加，得到放大后的视频帧，使运动信号的变化情况能被肉眼所观察到；(4)感兴趣区域分块选取为了进一步选取精准的感兴趣区域ROI，对放大后的视频进行分块，分块区域大小为20x20分辨率，640x480的视频帧区域被分成768个区域，每个区域的记为B_i，计算并分析每个分块在时间序列上的频率谱和功率谱，并求信噪比SNR；求出每个区域的信噪比之后，选取信噪比最高的区域作为下一步待处理的ROI；运算过程描述如下：ROI＝max{0≤i≤768|SNG(Bi)}       (5)其中，SNG表示求功率谱的函数；(5)独立成分分析获取桡动脉运动信号在获取ROI之后，对ROI区域内的信号进一步降噪，使用独立成分分析ICA分离信号和噪声；ICA是基于信号高阶统计特性的分析方法，经ICA分解出的各信号分量之间是相互独立的；设x(t)＝(x₁(t),x₂(t),...,x_m(t))^T,t＝1,2,...n,为ROI区域内的m个时间长度为n的观测信号，另设s(t)＝(s₁(t),s₂(t),...,s_m(t))^T,t＝1,2,...,n,为m个未知的相互独立的源信号矢量，则瞬时线性混叠盲分离混合方程如下：x＝As                (6)其中，A＝(a₁,a₂,...,a_n)^T为未知时不变的n×m混合矩阵，使用ICA算法从观测信号矢量x(t)中通过矩阵运算得到源独立信号矢量s(t)；当m＝n时，可以构造混合矩阵A的逆矩阵A^‑1求解源信号，即：y＝Wx               (7)其中，y(t)＝(y₁(t),y₂(t),...,y_n(t))^T,t＝1,2,...,n是系统分离的信号矢量，也是源信号s(t)的近似值，W称之为解混矩阵，即W＝A^‑1。