用于移动终端的信息采集方法
【技术领域】
[0001]本发明涉及数据采集，特别涉及一种用于移动终端的信息采集方法。
【背景技术】
[0002]随着物质生活水平的迅速提高，许多新的危害人类健康的因素也接踵而来，如心血管疾病等已经成为危害人类健康的最疾病。因此长期监护人体生理参数有利于了解人的健康情况。心率被认定为众多生理信息中最基本也是最重要的信息之一。在心率的数据采集方法中，切脉容易受到医生主观因素的影响，医生在诊断病情的时候会采用听诊器辅助诊断。对于先进的脉搏测量仪，被测量者都与仪器或者医生有一定的接触，给被测量者带来不适感。
【发明内容】
[0003]为解决上述现有技术所存在的问题，本发明提出一种用于移动终端的信息采集方法，包括:
[0004]在移动终端的视频图像中捕获皮肤区域，过滤皮肤区域的像素点的干扰噪声得到心率信号;计算心率信号的波峰间距，通过统计直方图进行心率测量。
[0005]优选的，所述在移动终端的视频图像中捕获皮肤区域，过滤皮肤区域的像素点的干扰噪声得到心率信号，进一步包括:
[0006]在视频预处理过程中，将视频的所有帧经过计算后得到RGB通道的三个信号，将绿色通道像素值的均值中的主分量信号提取出来，通过皮肤的定位及跟踪，确定感兴趣区域后，取感兴趣区域所有像素点像素值的平均值;获取三块感兴趣区域的绿色通道像素值的平均值曲线，对这三条曲线的三组数据进行数据降维，提取出包含心率信息的一维数据曲线;所述数据降维包括通过主分量分析得到主分量过滤噪声，保留心率周期信号；
[0007]优选的，所述计算心率信号的波峰间距，通过统计直方图进行心率测量，进一步包括:
[0008]将原始心率信号X分为由周期性的心动信号Xstat和低频非周期性的趋势信号Xtrend，利用时变的FIR高通滤波器将低频非周期的趋势信号过滤，保留周期信号的部分；
[0009]提取心率信号波峰之间的间距，然后进行直方图统计，计算出心跳间距，最后计算出心率，其中在计算心跳间距时，首先进行波峰检测，包括检测信号中极大值的位置，也就是信号在某一小范围内的最大值;采用以下波峰检验条件:
[0010]记检测出信号X= {X1，X2，…，Xn}的波峰为Pi，i = l，2，…，m，m为波峰的个数，仅当Pi满足以下三个条件时，确定为有效波峰:
[0011]⑴波峰Pi与其左边相邻的三个值XI，X2，X3组成的数组Xl ’ = Ul，X2，X3，Pi}中，最大值是波峰的值P1，最小值为波峰左边第三个值X1;
[0012](2)波峰Pi与其右边相邻的三个值取⑴^组成的数组X2’ = {pi，X4，X5，X6}中，最大值是波峰的值P1，最小值为波峰右边第三个值站；
[0013](3)波峰的值pi大于所有波峰均值的1/5;
[0014]采用二次多项式波峰拟合对波峰位置进行修正，拟合过程进一步包括:
[0015]选定正确的波峰区间，取所有波峰间距平均值intAvg，记某个波峰的位置为P，针对每个拟合范围为[P-2/3X intAvg，P+2/3 X intAvg]对于一个波峰顶端出现了两个尖峰的情况，将两个波峰合并在一起做波峰拟合;将检测出的两个波峰的位置分别记为xdPx2，当(X2-X1)〈intAvg/2即两个波峰之间的间距小于所有波峰之间间距均值的一半时，将两个峰值合并在一起，取拟合信号范围为[x1-2/3 X intAvg，X2+2/3 X intAvg]进行波峰拟合;否则对两个波峰分别取拟合范围为[x1-2/3 X intAvg,xi+2/3 X intAvg]和[X2-2/3 X intAvg,X2+2/3 X intAvg]进行两次波峰拟合。
[0016]本发明相比现有技术，具有以下优点:
[0017]本发明提出一种用于移动终端的信息采集方法，通过移动终端远距离采集生理数据，提高了数据采集的准确性和用户的舒适性。
【附图说明】
[0018]图1是根据本发明实施例的用于移动终端的信息采集方法的流程图。
【具体实施方式】
[0019]下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
[0020]本发明的一方面提供了一种用于移动终端的信息采集方法。图1是根据本发明实施例的用于移动终端的信息采集方法流程图。
[0021]本发明利用移动终端采集视频，对皮肤区域像素点的平均值提取主分量信号，以过滤采集原始信号时的干扰噪声;然后，计算心率信号的波峰间距，采用重叠界限的直方图进行统计，实现心率的测量。
[0022]首先对视频进行预处理，将皮肤区域的绿色通道像素值的均值中的主分量信号提取出来，去除了部分噪声的干扰，提取出心率信号。
[0023]本发明提取心率信号的载体是视频中人皮肤肤色的微小颜色变化。通过皮肤的定位及跟踪，确定感兴趣区域后，取感兴趣区域所有像素点像素值的平均值，视频的所有帧经过计算后就得到了 RGB三个通道的三个信号。
[0024]本发明将感兴趣区域分割成三块。第I，2区域分别是感兴趣区域上半部分从中间分成左右两个区域，第3区域是感兴趣区域的下半部分。分别取这三块区域绿色通道像素值的平均值曲线，对这三条曲线的三组数据进行数据降维，消除噪声，提取出包含心率信息的一维数据曲线。
[0025]要利用这些信号中有意义的部分加以处理，计算出心率，就需要进行数据的降维处理。数据降维是指高维数据之间的线性关系在降维之后的低维数据中能够得以保持。
[0026]本发明采用PCA进行数据降维处理，绿色通道的数据曲线都具有相同的周期性，所以通过主分量分析得到的主分量过滤了其他的噪声，能够最大限度的保留心率周期信号。
[0027]本发明进一步通过对主分量分析后得到的心率信号进行滤波、去趋势化等信号处理来降低噪声，采用直方图统计的方法求得心率。
[0028]采用滤波器进行滤波是为了消除曲线中的尖峰，为之后检测波峰消除障碍，采用尚斯滤波器，选择尚斯滤波的窗口大小为5。
[0029]要消除信号整体偏向趋势，一方面可以采取光照消除或者补偿，对强光进行遮挡，对弱光或者侧光采取手动添加光源照射皮肤补偿光照；另一方面就是通过信号处理将信号中的不稳定因素去除。本发明在保证光照的前提下采取了基于平滑先验方法的去趋势化。该方法将原始心率信号X分为由周期性的心动信号Xstat和低频非周期性的趋势信号Xtrend，利用一个时变的FIR高通滤波器，将低频非周期的趋势信号过滤，有效的保留周期信号的部分，达到了很好的去趋势化的效果。
[0030]本发明采用直方图统计的方法求得心率，首先提取心率信号波峰之间的间距，然后进行直方图统计，计算出心跳间距，最后计算出心率。为了得到波峰之间的间距，首先要进行波峰检测，其包括检测一个信号中极大值的位置，也就是信号在某一个小范围内的最大值。采用以下波峰检验条件:
[0031]记检测出信号Χ={χι，χ2，.._，Xn}的波峰为Pi，i = l，2，…，m，m为波峰的个数。以Pi为例，只有当Pi满足以下三个条件时，确定为有效波峰。
[0032]( I )波峰Pi与其左边相邻的三个值Xl，X2，X3组成的数组Xl ’ = {xi，X2，X3，pi}中，最大值是波峰的值P1，最小值为波峰左边第三个值X1。<