用于从视频确定呼吸速率的系统和方法
【技术领域】
[0001] 本发明涉及用于从呼吸功能受到监视的个体的视频确定呼吸速率的系统和方法。
【背景技术】
[0002] 监视患者呼吸速率在对例如急性呼吸衰竭和肺部疾病等潜在致命呼吸事件的早 期检测中具有临床重要性。当前技术要求静止的患者跨他们的胸部佩戴感测装置（例如， 胸带）以便能够估计呼吸测量值。此要求可导致不适、心理依赖和尊严的丧失。老年患者 和患有慢性疾病的患者更有可能遭受监视的此类负面影响。本发明特别针对于为此作出的 努力。
【发明内容】
[0003] 所揭不的是一种用于从呼吸功能受到监视的个体的视频确定呼吸速率的系统和 方法。本发明的方法的一个实施例涉及以下内容。首先，接收个体的视频。所述视频包括 所述个体的身体的关注区的多个时间连续图像帧，其中可以通过视频成像装置的至少一个 成像通道记录对应于呼吸的信号。随后从每一图像帧中从关注区提取像素的特征，且由所 提取的特征形成向量。每一图像帧具有相关联的特征向量。特征向量可以包括（例如）强 度分量、位置分量或运动分量。其后，构建长度N的循序连续特征向量的NXM视频矩阵，其 中所述视频矩阵中的总列数M对应于在其间确定个体的呼吸速率的持续时间。处理所述视 频矩阵以获得本征向量矩阵，其中所述本征向量矩阵包括通过使用单一值分解计算平均值 和协方差矩阵所获得的标准正交向量。本征向量矩阵使得归因于与个体的呼吸相关联的运 动而引起的变化主轴包含在第一少数本征向量中。选择第一少数本征向量中的一个，且随 后从所述选定的本征向量提取个体的呼吸速率。在此处的一个实施例中，从所述选定的本 征向量提取呼吸速率涉及产生所述选定的本征向量的功率谱密度曲线，并识别所述功率谱 密度曲线内的具有最高信号强度的频率。所识别的频率是个体的呼吸速率。随后将个体的 呼吸速率传送到显示装置。如果个体的呼吸速率不在正常范围内，那么可以发起警告和/ 或可以用信号通知医疗专业人员。可以实时地从个体的串流视频处理本发明的方法，使得 可以连续地确定呼吸速率。
[0004] 上述方法的特征和优点将根据以下详细描述和附图而变得显而易见。
【附图说明】
[0005] 通过以下结合附图进行的详细描述可以明白本文中揭示的标的物的前述及其它 特征和优点，附图中：
[0006] 图1示出了成年人的前（前面）视图及后（后面）视图两者；
[0007] 图2示出了捕获图1的个体的关注区的图像帧的视频成像装置；
[0008] 图3是说明用于从个体的视频确定呼吸速率的本发明方法的一个实例实施例的 流程图；
[0009] 图4是图3的流程图的接续部分，其中流程处理相对于节点A继续；
[0010] 图5说明用于实施如相对于图3和4的流程图所描述的本发明方法的各种方面的 一个实例视频处理系统的框图；以及
[0011] 图6示出了针对三个个体中的每一个所产生的本征向量和所得的周期图。
【具体实施方式】
[0012] 所揭不的是一种用于从呼吸功能受到监视的个体的视频确定呼吸速率的系统和 方法。
[0013] 非限制性定义
[0014] "个体"是指正受到监视以确定呼吸速率的生物。虽然可贯穿本发明使用术语"人" 或"患者"，但应了解，个体可以是除人类之外的某物，例如灵长类动物。因此，此类术语的使 用将不被视为将所附权利要求书的范围严格地限制于人类。
[0015] -般理解的"视频"是个体的一个或多个关注区的所捕获图像帧的时变序列，其中 可以通过用于捕获所述视频的视频成像装置的至少一个成像通道记录对应于呼吸的信号。 应了解，视频还可含有其它分量，例如音频、时间基准信号、帧速率及类似者。视频由视频成 像装置捕获。
[0016] "视频成像装置"是指用于获取视频的单通道或多通道摄像机。视频成像装置包含 彩色（RGB)摄像机。视频成像装置可具有多个输出，可以从所述输出检索视频或以其它方 式基于每一通道接收视频，且视频成像装置可并入一个或多个存储器、存储装置和处理器 以用于执行用于根据此处的教示来处理和分析视频的机器可读程序指令。由视频成像装置 捕获的视频经处理以隔离一个或多个关注区。
[0017] 个体的"关注区"是指个体的身体的区的至少局部视图（其通过视频成像装置的 光圈看到），其中可以通过视频成像装置的至少一个成像通道记录呼吸信号。这些区是归因 于呼吸期间胸部的扩展及收缩而移动的区。身体区包含前胸区、胸区的侧视图、背侧身体的 背面区、以及面部区。图1示出了成年人的前（前面）视图101以及后（后面）视图102。 在图1的实施例中，关注区103和104分别勾勒出个体的前胸区和后胸区，其中可以通过视 频成像装置获取呼吸信号。关注区可用被单或一件衣服遮盖。在视频图像帧中隔离关注区 以用于处理。
[0018] 可以使用图像处理领域中完善的大量技术中的任一种以多种方式实现"隔离关注 区"。可以使用图像处理技术在图像帧中隔离像素，所述图像处理技术例如为基于色彩、纹 理、空间特征、光谱信息、物体识别（例如面部或胸区辨识、图案辨识和运动检测）的像素分 类。还可以通过用户选择在图像帧中识别与关注区相关联的像素以用于处理。例如，在系 统设置和配置期间，技术员可使用鼠标或触摸屏显示器以围绕个体的所显示视频的一个或 多个区域手动地绘制拖引线框，进而界定一个或多个关注区，其边界被存储且用于隔离这 些区。从所隔离的关注区中的像素获得特征。
[0019] "特征向量"含有从处理所关注的隔离区中的像素获得的特征。包括特征向量的特 征包含像素强度值、图像帧中的像素位置以及一个或多个运动分量，例如相邻帧之间的像 素移动量。如果用于捕获个体的视频的视频成像装置是具有红色、绿色及蓝色（RGB)通道 的彩色摄像机，那么可以基于每一像素从成像声道中的任一个或其组合获得包括特征向量 的强度分量。一个或多个关注区中的像素可以根据特征以及它们的所计算的平均值或更高 阶统计数据而进行分组。强度分量还可以是来自给定关注区中的RGB通道中的每一个的像 素值的代数和。可在空间上对像素进行滤波以减小噪声。使用长度N的时间上连续的特征 向量构建NXM矩阵，其中所述视频矩阵中的总共M列对应于在其间确定个体的呼吸速率的 持续时间和视频帧率。处理所述NXM视频矩阵以获得本征向量矩阵。
[0020] "本征向量"（来自德语表示"唯一"或"特有的"字本征）是与线性方程组（即， 矩阵方程）相关联的一组特殊向量，有时也被称作特性向量、恰当向量或潜在向量。系统的 本征向量和本征值的确定在物理学及工程技术中是极其重要的，其中其等效于矩阵对角化 且出现在例如稳定性分析、旋转主体的物理学和振动系统的小振荡（仅举几个例子）等普 通应用中。每一本征向量与对应的所谓的本征值配对。将矩形矩阵A分解为本征值和本 征向量在此项工作中被称为本征分解，且以下事实被称为本征分解定理：只要矩阵A是矩 形，此分解就始终可能。矩形矩阵A的本征向量是非零向量V，当所述矩阵乘以V时，其得 到V的恒定倍数，后一乘数通常由λ表示，其中Av= λ v。数λ常常被称作对应于￥的八 的本征值。矩阵（或线性算子）的所述组所有本征向量（每一个与其对应的本征值配对） 被称为所述矩阵的本征系统。本征向量的任何倍数也是本征向量，其具有相同的本征值。 矩阵的本征空间是具有相同本征值的所述组所有本征向量，连同零向量。矩阵的本征基础 是由所述矩阵的线性独立的本征向量组成的所述组所有向量的任何基础。不是每个矩阵 都具有本征基础。数学上，存在左本征向量及右本征向量。然而，对于许多问题，仅考虑右 本征向量就足够。因此，不具有"左"或"右"限制条件的术语本征向量一般理解为是指右 本征向量。读者可阅读《矩阵的本征值（Eigenvalues of Matrices)》，弗朗索瓦丝.查特 兰（.Fmnpoise Chatelin)，工业社会及应用数学（Society for Industrial and Applied Mathematics)，（2012)，ISBN-13:978-1611972450 ;以及《物理学家的数学方法，第七版： 全面指导（Mathematical Methods for Physicists, Sevent