阳0化]图3-1，图3-2,图3-3,图3-4分别为视频中某个时刻，随机提取出的四帖图像人脸 识别的结果。
[0086] 图4所示为本发明肤色区域检测结果示意图。其中，
[0087] 图4-1，图4-2,图4-3,图4-4分别为对图3中四帖图像人脸识别结果进行肤色区 域检测的结果示意图，其中的白色区域即为肤色区域。
[008引图5所示为本发明方法观察信号的R、G、B分量示意图。
[0089] 图6所示为采用公知的JADE方法对所得观察信号进行盲源分离，求取成分，提取 PPG信号的过程示意图，用来对比本发明方法提取屯、率的准确性。
[0090] 图7所示为本发明方法对所得观察信号进行盲源分离，求取成分，提取PPG信号的 过程示意图。
[0091] 图8所示为本发明方法基于对角累积量的盲源分离算法的二层分离网络图。
[0092] 图9所示为本发明方法估计出的源信号与公知方法估计出的源信号曲线图。
[0093] 图9-1所示为本发明视频信号的R、G、B分量作为公知JADE方法的输入混合信号， 盲源分离后得到估计源信号的=组成分图。
[0094] 图9-2所示为本发明视频信号的R、G、B分量作为对角累积量方法的输入混合信 号，盲源分离后得到估计源信号的=组成分图。 阳0巧]图10所示为本发明方法所取的datal，data2和data3对应用JADE方法估计信号S组成分转化得到的S组屯、率值。在图中分别用符号' + 'A'和标出，PHILIPSDB12 的脉搏血氧仪记录的参考屯、率值用'〇'标出。 阳096] 图11所示为本发明方法所取datal,data2和data3对应用对角累积量方法估计 信号=组成分转化得到的=组屯、率值曲线图。
[0097] 图12所示为公知JADE方法计算屯、率信号的Bland-Altman-致性分析图。利用 Bland-Altman图的差值法分析4段视频的测量屯、率结果，4段视频分别是在上午，中午，下 午时间段录制，视频人物为3个不同的人物，每段视频测量出3组屯、率值，每组包含16个屯、 率值，加上脉搏血氧仪测得的参考屯、率值，4段视频一共有192对结果。
[0098] 图13所示为对角累积量方法计算屯、率信号的Bland-Altman-致性分析图。利用 Bland-Altman图的差值法分析4段视频的测量屯、率结果，4段视频分别是在上午，中午，下 午时间段录制，视频人物为3个不同的人物，每段视频测量出3组屯、率值，每组包含16个屯、 率值，加上脉搏血氧仪测得的参考屯、率值，4段视频一共有192对结果。
[0099] 表1所示为相同视频分别采用公知的JADE方法和本发明的对角累积量方法估计 屯、率值的统计参数结果表。
[0100] 采用统计的方法，分析使用JADE和对角累积量两种方法得到的屯、率值的统计特 征，统计屯、率值与脉搏血氧仪测得的参考屯、率值差的绝对值，计算出均值（Mean,M)，标准方 差（StandardDeviation,SD)和均方根误差（RootMeanSquare&r;ro;r,RM沈），各个统计参 数的计算公式如下式。
[0104] 其中d为恢复出的屯、率值与脉搏血氧仪测得的参考屯、率值差的绝对值的集合，即 d=化，dz，...，山} ;N代表屯、率值的个数，hw，hsD和hKMSE分别代表d的均值，标准差和均方 根误差。运里用dj表示JADE方法求得的屯、率值与参考屯、率值的绝对误差，用d。表示对角累 积量方法求得的屯、率值与参考屯、率值的绝对误差。两种方法的统计参数取值如表1所示。 从表1中可W看出，与dj相比，d。的统计参数的值在总体上均变小。
[0105]W分量2为例，屯的均值是4. 19bpm化eatsperminute)dJ的均值0.69bpm，减小 了 3. 5bpm，dc的标准差是9. 17bpm，dj的标准差是0. 95bpm，减小了 8. 22bpm;而dj均方根误 差是9. 81，dc的均方根误差是1. 15,减小了 8. 66。
[0106] 对S组数据做统计平均，对比总体恢复的效果，利用对角累积量方法恢复的S组 数据相对于JADE方法恢复的=组数据在均值，标准差，均方根误差统计平均值分别下降了 1. 46,4. 98和4. 49。运些数据表明了采用对角累积量方法获得的屯、率值精度得到有效提 局。 阳107] 表2所示为对角累积量方法所取的参数值和运行时间表。
[0108] 从表2中可W看出，对角累积量恢复估计信号的速度不及JADE方法，但通过调整 参数a、P和n值，可W使迭代快速收敛，收敛的迭代次数可从几千次下降到几十次，而结 果的准确性变化不大，通过选择合适的参数，可使对角累积量方法的时间复杂度控制在Is 之内，基本满足快速提取屯、率的要求。
[0109] 从图9和图10的屯、率值对比结果可W直观看出：两种方法中，用估计出的源信号 成分1恢复得到的屯、率值严重偏离参考屯、率值，考虑到源信号成分1受噪声干扰较大，不具 有分析价值，所W重点分析由两种方法估计出的源信号成分2和源信号成分3转化所得屯、 率值，利用JADE方法估计出的源信号成分2和源信号成分3恢复出的屯、率值与参考屯、率值 重合的点为15个，与参考屯、率差值在±3范围之外的点为5个；而利用本发明对角累积量 方法估计出的成分2和成分3恢复出的屯、率值与参考屯、率值重合的点为18个，与参考屯、率 差值在±3范围之外的点为0个。可W看出，利用对角累积量恢复出的屯、率值更接近实际 屯、率值，波动更小，更稳定。
[0110] 本发明方法未述及之处适用于现有技术。
【主权项】
1. 一种从可见光谱段人脸视频信号中提取心率的方法，该方法采用如下采集装置和步 骤：所述采集装置包括一个与被测对象连接的摄像头，与摄像头连接的一台计算机，被测对 象的心率显示在计算机屏幕上；摄像头为任意一个帧率为30帧/秒，分辨率大于30万像素 的摄像头；该方法包括如下步骤： 步骤1 :以可见光谱为光源，录制人脸正面的彩色图像；录制期间头部位置和面目表情 基本保持不变； 步骤2 :对录制视频的每一帧图像进行人脸检测；在人脸检测的基础上，再进行肤色检 测，提取出肤色像素； 步骤3 :将肤色像素进行公知的R、G、B通道分离，分别求取R、G、B各个通道的亮度平 均值，得到原始的观察信号，即肤色亮度随时间变化的曲线； 步骤4 :采用对角累积量方法对观察信号进行盲源分离，得到对原始PPG信号的估计信 号； 步骤5 :设置滑动窗口，对窗口内的估计信号进行快速傅里叶变换，截取心跳频率范围 内的功率谱，其中最大功率谱对应的频率值即可转换为心率值。
【专利摘要】本发明公开一种从可见光谱段人脸视频信号中提取心率的方法，该方法采用的采集装置包括一个与被测对象连接的摄像头，与摄像头连接的一台计算机；该方法包括如下步骤：1：以可见光谱为光源，录制人脸正面的彩色图像；2：对录制视频的每一帧图像进行人脸检测；在人脸检测的基础上，再进行肤色检测，提取出肤色像素；3：将肤色像素进行R、G、B通道分离，分别求取R、G、B各个通道的亮度平均值，得到原始的观察信号；4：采用对角累积量方法对观察信号进行盲源分离，得到对原始PPG信号的估计信号；5：设置滑动窗口，对窗口内的估计信号进行快速傅里叶变换，截取心跳频率范围内的功率谱，其中最大功率谱对应的频率值即可转化为心率值。
【IPC分类】A61B5/024, G06T7/00
【公开号】CN105147274
【申请号】CN201510469504
【发明人】王蒙军, 王楠, 朱彩虹, 王霞, 付晓静
【申请人】河北工业大学
【公开日】2015年12月16日
【申请日】2015年8月4日