一种非接触式睡眠监测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及睡眠监测技术领域，特别涉及一种非接触式睡眠监测方法及系统。
【背景技术】
[0002] 人体睡眠过程是受大脑功能多个区域相互作用与调节而呈现的脑区神经元睡眠 的生理状态，是正常人体机能休息和恢复的重要阶段，人生有三分之一的时间是在睡眠中 度过的，睡眠质量对人体健康至关重要。近年来医学研宄表明，现代人类的许多重大疾 病，如高血压、冠心病、心律失常、糖尿病等，往往与睡眠中常发生的睡眠呼吸暂停综合征 (Sleep Hypopnea Syn-drome，SAH)有关。SAH已经成为一种严重危害人们生命健康的疾病。 此外，睡眠过程人体内部的许多生理功能会发生明显变化，如心率减慢、血压下降、新陈代 谢缓慢、呼吸次数减少。由于睡眠过程时间的延续性以及机体功能调节体系的变化，多种慢 性病的早期信号往往易于在此期间捕捉。因此，睡眠监测技术已成为现代医学诊断中不可 缺少的内容。
[0003] 目前睡眠障碍监测的主要方法是采用多导睡眠图和微动灵敏床垫。多导睡眠图通 过在人体上粘贴电极来测量相关参数，它的监测参数主要包括脑电图、心电图、眼电图、下 领颇肌电图、口、鼻呼吸气流、胸腹呼吸运动、血氧饱和度、鼾声、体位、胫前肌等10余个生 理信号。微动灵敏床垫通过压力传感器将微压力转化为电信号，可以监测呼吸，脉搏和体动 等参数，实现了无负荷或低负荷睡眠监测。但是现有的睡眠障碍监测技术基本都是接触式 的，它们需要在医院进行，同时需要专业的技术人员操作。这给患者带来很大的心理压力， 也可能引起错误的测量结果，监测设备的价格也比较昂贵。
[0004] 除了上述接触式的方法，还有一种基于视频及图像处理的非接触式监测方法。这 类基于视频处理技术的方法主要用到的设备是红外热像仪，但是由于价格十分昂贵，只能 在医学研宄机构中使用，难以普及。而且由于技术条件的限制，难以对大量的数据进行处理 并挖掘有用信息。
【发明内容】
[0005] 本发明的目的旨在至少解决所述技术缺陷之一。
[0006] 为此，本发明的目的在于提出一种非接触式睡眠监测方法和系统，通过视频图像 处理技术提取出有生理意义的睡眠状态信息。
[0007] 为了实现上述目的，本发明一方面的实施例提供一种非接触式睡眠监测方法，包 括如下步骤：
[0008] S1，利用红外监控摄像机采集人体头部区域和胸腹区域的视频图像，并且利用体 感设备采集人体的姿态信息；
[0009] S2，获取人体的睡眠信息，其中，所述睡眠信息包括：人眼的睁开和闭合信息、人体 的呼吸信息和睡眠过程中的姿态信息，包括如下步骤：
[0010] 分析所述头部区域的视频图像以对头部运动进行监测和跟踪，获取人眼的睁开和 闭合信息，以及分析胸腹区域的视频图像，获取所述胸腹区域视频图像的像素点的亮度变 化以得到人体的呼吸信息，采用预设分类算法对所述姿态信息进行分类以获取人体睡眠过 程中的姿态信息；
[0011] S3,将所述人体的睡眠信息与预设的标准睡眠信息进行比对，分析所述人体的睡 眠质量的健康程度。
[0012] 根据本发明实施例的非接触式睡眠监测方法，基于图像处理技术以非接触的方法 对人体睡眠信号进行采集，尽量保持用户的自然睡眠状态，通过视频图像处理技术提取出 有生理意义的睡眠状态信息。并且，本发明设备成本较低，便于家庭日常使用。
[0013] 进一步，所述获取人眼的睁开和闭合信息，包括如下步骤：
[0014] 对头部区域视频图像中的人脸区域进行初始化；
[0015] 对初始化的人脸区域分别采用模版匹配方法和光流跟踪方法跟踪人脸运动；
[0016] 将模版匹配结果和光流跟踪结果进行综合以生成人脸的当前帧跟踪结果；
[0017] 计算所述当前帧跟踪结果于预设模板库中所有模板的相关系数，以所有系数中最 大值作为跟踪结果与模板库的相关系数，如果所述相关系数大于或等于第一阈值，则将所 述当前帧跟踪结果加入到模板库中，更新模板库；否则模板库不更新；
[0018] 统计跟踪结果区域内所有位置点的灰度值，根据第二阈值将区域内的像素点进行 二值化，根据大于所述第二阈值的待选点在结果区域所在位置判断是否属于眼睛睁眼的图 像区域，在根据位置筛选后，仍有保留的像素点则判断眼睛为睁开状态，若没有像素点则认 为眼睛处于闭合状态。
[0019] 进一步，所述获取人体的呼吸信息，包括如下步骤：
[0020] 对所述胸腹区域视频图像的胸腹运动信息进行放大，并转化为对应像素点的亮度 变化；
[0021] 获取亮度变化剧烈区域，将像素点的亮度变化转化为呼吸信号，包括：统计所述胸 腹运动剧烈区域内亮度值为最大值或是最小值的像素点数目之和，其中像素点总数的变 化为呼吸运动时的胸腹部的起伏变化，根据像素点数目得到的起伏运动变化曲线进行滤波 操作，生成呼吸信号；
[0022] 将所述呼吸信号进行傅里叶变换，在频谱上最高幅度所对应的频率为人体的呼吸 频率。
[0023] 进一步，所述获取人体睡眠过程中的姿态信息，包括如下步骤：
[0024] 通过所述体感设备发出的结构光获取人体的骨骼数据；
[0025] 对所述骨骼数据进行均值滤波以对所述骨骼数据进行去抖；
[0026] 根据去抖后骨骼数据采用SVM分类器在训练集上进行训练，对所述骨骼数据进行 分类，确定人体的睡眠姿态信息。
[0027] 本发明另一方面的实施例提供一种非接触式睡眠监测系统，包括：红外监控摄像 机，用于采集人体头部区域和胸腹区域的视频图像；体感设备，用于采集人体的姿态信息； 图像处理模块，用于获取人体的睡眠信息，其中，所述睡眠信息包括：人眼的睁开和闭合信 息、人体的呼吸信息和睡眠过程中的姿态信息，包括所述图像处理模块分析所述头部区域 的视频图像以对头部运动进行监测和跟踪，获取人眼的睁开和闭合信息，以及分析胸腹区 域的视频图像，获取所述胸腹区域视频图像的像素点的亮度变化以得到人体的呼吸信息， 采用预设分类算法对所述姿态信息进行分类以获取人体睡眠过程中的姿态信息；睡眠质量 分析模块，用于将所述人体的睡眠信息与预设的标准睡眠信息进行比对，分析所述人体的 睡眠质量的健康程度。
[0028] 根据本发明实施例的非接触式睡眠监测系统，基于图像处理技术以非接触的方法 对人体睡眠信号进行采集，尽量保持用户的自然睡眠状态，通过视频图像处理技术提取出 有生理意义的睡眠状态信息。并且，本发明设备成本较低，便于家庭日常使用。
[0029] 进一步，所述红外监控摄像机前安装有红外滤镜。
[0030] 进一步，所述图像处理模块获取人眼的睁开和闭合信息，包括：对头部区域视频图 像中的人脸区域进行初始化，对初始化的人脸区域分别采用模版匹配方法和光流跟踪方法 跟踪人脸运动，将模版匹配结果和光流跟踪结果进行综合以生成人脸的当前帧跟踪结果， 计算所述当前帧跟踪结果与预设模板库中所有模板的相关系数，以所有系数中最大值作为 跟踪结果与模板库的相关系数，如果所述相关系数大于或等于第一阈值，则将所述当前帧 跟踪结果加入到模板库中，更新模板库，统计跟踪结果区域内所有位置点的灰度值，根据第 二阈值将区域内的像素点进行二值化，根据大于所述第二阈值的待选点在结果区域所在位 置判断是否属于眼睛睁眼的图像区域，在根据位置筛选后，仍有保留的像素点则判断眼睛 为睁开状态，若没有像素点则认为眼睛处于闭合状态。
[0031] 进一步，所述图像处理模块获取人体的呼吸信息，包括：对所述胸腹区域视频图像 的胸腹运动信息进行放大，并转化为对应像素点的亮度变化；获取胸腹运动剧烈区域，将像 素点的亮度变化转化为呼吸信号，包括：统计所述像素点亮度变化剧烈区域内亮度值为最 大值或是最小值的像素点数目之和，其中像素点总数的变化为呼吸运动时的胸腹部的起伏 变化，根据像素点数目得到的起伏运动变化曲线进行滤波操作，生成呼吸信号；将所述呼吸 信号进行傅里叶变换，在频谱上最高幅度所对应的频率为人体的呼吸频率。
[0032] 进一步，所述图像处理模块获取人体睡眠过程中的姿态信息，包括如下步骤：
[0033] 通过所述体感设备发出的结构光获取人体的骨骼数据；
[0034] 对所述骨骼数据进行均值滤波以对所述骨骼数据进行去抖；
[0035] 根据去抖后骨骼数据采用SVM分类器在训练集上进行训练，对所述骨骼数据进行 分类，确定人体的睡眠姿态信息。
[0036] 本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0037] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变 得明显和容易理解，其中：
[0038] 图1为根据本发明实施例的非接触式睡眠监测方法的流程图；
[0039] 图2为根据本发明实施例的获取人体的睡眠信息的流程图；
[0040] 图3为根据本发明实施例的非接触式睡眠监测系统的结构图。
【具体实施方式】
[0041] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，旨在用于解释本发明，