22，包括预记录的数据的存储器件也能够被连接到处理设备28。
[0065]参考图3，呈现了其中无干扰生命信号检测和监测面临主要挑战的常见情形。对象10 (例如待在床上的患者)正静靠在支撑物39上。包括非指示性部分14的对象的头部被暴露并枕于枕头上，而指示性部分12被毯子45覆盖。由此，使由指示性部分12的运动引起的信号衰减。因此，无干扰信号检测相当困难。传感器器件22被放置从而观察指示性部分12。为了这个目的，范例性坐标系表示其中能够预期呼吸运动的方向。由干扰减少的指标元素40指示该方向。另外，正交指标元素42(即，能够构建投影型线的方向)表示其中能够预期很少或甚至没有呼吸指示性运动的方向。
[0066]假设使期望的脉动取向在单个参考方向上，应当理解正交指标元素42可以覆盖与干扰减少的指标元素40正交的整个平面。
[0067]基本上，假如能够充分地捕获沿着干扰减少的指标元素40的对象运动，传感器器件22能够被放置在任何方向上。在这一点上，优选使传感器器件22取向为基本上与干扰减少的指标元素40正交。然而，在仍然启用对期望信号的检测的同时，显著的偏差也可以发生。以这种方式，例如，当在床上辗转反侧时，也能够解释相当大的对象运动。事实上，将传感器器件22放置为基本上平行于干扰减少的指标元素40将引起对信号检测的较大不利影响。再次参考在图3中提供的一般布置，应当理解，对于一些潜在传感器器件取向，必须预期，例如当将传感器器件放置在支撑物39的长边的外侧时，这些不利条件可以发生。因此，当在床上反转时，减少的指标元素40也反转，由此减少在传感器器件取向和导致减少的信号水平的减少的指标元素40之间的有效角度。
[0068]在该情境中，能够设想将两个或甚至更多个传感器器件布置在关于对象10的不同位置中，从而启用例如能够追踪干扰减少的指标元素40的所有可能取向的立体监测。
[0069]图4描绘了示出在整个帧的指示性部分48中的对象10的表示的范例性捕获的图像帧44。在使得能够减少视场的预处理阶段期间的该早期阶段能够检测指示性部分48，由此减少数据流体积。为了简化后续处理，坐标变换能够被应用到处理的图像帧44’。以这种方式，能够补偿在原始捕获图像帧44下的坐标系52和指示干扰减少的指标元素40和正交指标元素42的坐标系54之间的偏差。
[0070]另外，图4示出了图像帧44的参考部分50。参考部分可以表示能够被绘制为运动补偿的参考样式的稳定图像对象。对于数据的后续分析，能够掩蔽并丢弃图像帧44的剩余部分46。
[0071]图5图示了表示已经由图1指示的对象10的呼吸运动的图像帧44a、44b、44c的序列。通过由箭头30指示的生理信息，即胸部的上升和下降来表示期望的感兴趣的生命信号。要被提取的生理信息30与干扰减少的指标元素40对齐。与被取向为与干扰减少的指标元素40正交的正交指标元素42对齐的运动被认为是非代表性的感兴趣的信号。为了完整性起见，在图5中也图示了参考运动方向41和正交参考方向43。如以上指示的，例如分别地对于每个图像帧的干扰减少的指标元素40的瞬间确定可以造成主要挑战。在该情境中，应当注意，甚至在干扰减少的指标元素40和参考运动方向41之间的相当大的偏差不导致显著的信号损失。因此，不必精确地确定在所有事件中具有高精确的干扰减少的指标元素40。
[0072]因此，能够接受在干扰减少的指标元素40和参考运动方向41之间的小偏差。这使得能够显著减少计算处理要求。另外，当考虑在要被检测的生命信号的预期频率和被用于图像处理的常见帧速率之间的比率时，应当理解，为了确定干扰减少的指标元素40，能够跳过许多图像帧，例如，五个或甚至十个图像帧中的仅仅一个必须被考虑。例如，能够建立控制电路，其中，设置描述接受的偏差的阈值。在阈值被超过的情况下，调节干扰减少的指标元素40。最后，能够确定新的阈值。
[0073]参考图6和图7，阐明了表示方向性运动信息的特性指标元素60的范例性偏差。图6示出了图像帧的指示性部分48。描述图像实体(例如单个像素)的位置的坐标由附图标记56、58指示，其中，轴56指示X坐标，并且轴58指示y坐标。归因于坐标变换，参考图4和图5，干扰减少的指标元素40与轴58对齐。当应用维度减少时，目的是将图像帧属性并入到单个特性指标元素60，而没有关于指示感兴趣的生命信号的期望的生理信息30的显著的信号损失。
[0074]在该情境中，图7描述了子实体62、64到干扰减少的指标元素40的聚集和投影。子实体62a、62b、…、62η和64a、64b、…、64η表不在图像帧中的相应像素位置。在由沿着轴58的运动完全地表示生理信息30的情况下，相应像素值的逐行聚集总结了在特性指标元素60上的单个实体中的每条线的相关信息。由箭头66指示转换。通过举例的方式，线62a和62b被假设为高度指示期望的信号，因为指示性部分(胸部)的形状形成经历呼吸运动的显著边缘。另一方面，能够完全地假设显示对象10的后侧的线62η是较少指示性的。如上所述，在仅仅像素值旁边，也能够对于聚集绘制另外的图像属性。
[0075]图8和9图示了随着时间的可通过将多个特性指标元素60a、60b、…、60η进行排序(表示图像帧序列)获得的范例性运动型线。离散元素的积分导致准连续或连续波形。为了可视化起见，运动型线将被理解为表示严格简化。不同的阴影指示不同的逐行聚集结果。另外，与在原始图像帧中相比，在运动型线中提供的边缘表示边缘丰富(只要它们基本上与干扰减少的指标元素40正交)。边缘的时间脉动被理解为高度指示期望的生命信号。
[0076]图8的一般运动型线包括表示能根据通过维度减少的图像序列导出的整个连续的或离散的特性信号68的型线。另外，为了进一步分析能够选择其中的子集，运动指示性分量70。为了这个目的，能够应用关于潜在生命信号的基本假设。例如，运动指示性分量70能够被假设为经历归因于胸部的呼吸运动的轻微周期性运动。该脉动的频率能够被预期在一定频带内。以这种方式，能够检测非指示性边缘74，并且在进一步分析步骤期间能够丢弃。另一方面，指示性边缘76的边缘能够被绘制或甚至被增强以便进一步处理。
[0077]轴72指示运动信息的方向，而箭头16指示时间。应当注意，轴72可以包括定性或甚至定量运动信息。一般地，例如当表示纵长运动的尺度丟失时，不能够从定性信息中提取名义上的位置依赖信息。然而，仍然能够从定性信号中提取频率信息。在这一点上，当旨在定量运动检测时，优选至少在初始设置期间也监测允许对运动的定量确定的真实对象，例如参考尺度。
[0078]—般地，能够预期运动型线是更复杂的，其示出了各种波动和许多变化，当被认为逐列和逐行时两者都有。例如，运动型线能够类似于经历时间改变的谱型线。然而，在该实施例中未示出频带。代替地，能够根据在图8和9中提供的表示导出频率信息。
[0079]图9图示了运动型线的运动指示性分量70的展开的表示。因此增强了指示性边缘76。在许多指示性边缘被假设为处在运动型线中的情况下，能够应用另外的相关性措施从而改进信号质量。这在真实图像中的若干边缘(例如在覆盖对象的毯子中的多个褶皱和折叠)经历归因于呼吸的运动时适用。
[0080]指示性边缘76能够通过边缘检测措施来选择并且被进一步强化。最后，能够获得高度指示期望的信号的单个波形，在这一点上也参见图11和图12的导出信号形式86。
[0081]在备选中，参考图10，每个单一特性指标元素60能够在被排序和被转移到运动型线之前被处理。在图10中，也参见图6和7，图示了若干连续的特性指标元素60a、60b、60c，每个包括数据流属性78a、…、78η，每个或其表示单个图像帧的聚集线或投影线。通过在多个聚集数据流属性78上的积分，能够获得具有连续的或准连续的波形的特性指标元素60ηο
[0082]另外，积分变换，尤其是傅里叶变换能够被应用到每个特性指标元素60a、60b、60c，由80a、80b、80c指示所述变换。由此，每个特性指标元素60能够由其中的幅值范围代替或甚至补充。以这种方式，启用基于频域的表示，而非基于运动的表示。来源于特性指标元素的处理信号能够随着时间被排序，从而获得感兴趣的幅值范围84。幅值轴82指示在表示下的频率。基本地，该途径旨在基于非指示定量运动信息的定性波形对期望的生命信号的检测。
[0083]通过应用积分变换80，针对显著相关性或频率对(尽管在相同的时间点捕获的)图像属性进行扫描。能够认识到，当对变换的特性指标元素60进行排序时，这些显著实体也经历随着时间的脉动。再次地，应用边缘检测措施，能够获得高度