一種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法
【專利摘要】本發(fā)明公開(kāi)了一種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，包括如下步驟：步驟1，對(duì)待測(cè)量視頻的第一幀圖像進(jìn)行人臉檢測(cè)，如果檢測(cè)不到人臉則認(rèn)為本次心率檢測(cè)失敗，否則進(jìn)行下一步；步驟2，根據(jù)步驟1得到的人臉檢測(cè)結(jié)果進(jìn)行人臉追蹤，如果追蹤過(guò)程中發(fā)現(xiàn)人臉追蹤丟失，則返回步驟1重新進(jìn)行人臉檢測(cè)，否則進(jìn)行下一步；步驟3，根據(jù)所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離；步驟4，提取生命體征信號(hào)并進(jìn)行功率譜分析，判定此生命體征信號(hào)是否為虛假信號(hào)，如果不是虛假信號(hào)則進(jìn)行心率值的轉(zhuǎn)換。本發(fā)明能夠在保證所得生命體征信號(hào)準(zhǔn)確度的前提下，對(duì)運(yùn)動(dòng)的目標(biāo)也能進(jìn)行生命體征信號(hào)的提取。
【專利說(shuō)明】
-種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及視頻圖像處理技術(shù)領(lǐng)域，特別是一種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法。
【背景技術(shù)】
[0002] 現(xiàn)階段生命體征監(jiān)測(cè)方法有接觸式生命體征監(jiān)測(cè)和非接觸式生命體征監(jiān)測(cè)。接觸 式生命體征監(jiān)測(cè)需要利用某種機(jī)械或電子裝置監(jiān)測(cè)人體的生理信息，易對(duì)人體造成不適 感，而且人體的移動(dòng)也會(huì)對(duì)監(jiān)測(cè)結(jié)果的準(zhǔn)確性造成一定的影響。非接觸式生命體征監(jiān)測(cè)方 法目前有多普勒雷達(dá)探測(cè)式，序列圖像采集式。其中多普勒雷達(dá)探測(cè)式結(jié)構(gòu)復(fù)雜，造價(jià)昂 貴，不適合在日常生活中使用。而序列圖像采集式不能夠?qū)崟r(shí)連續(xù)的給出人體的生命體征 信息。因此需要研究出更加快捷方便的監(jiān)測(cè)方法，現(xiàn)階段正在研究中的視頻圖像生命體征 監(jiān)測(cè)系統(tǒng)具有快速，實(shí)時(shí)，魯棒性強(qiáng)，成本低廉W及使用范圍廣等優(yōu)點(diǎn)，受到了人們的歡迎。
[0003] 視頻圖像生命體征監(jiān)測(cè)系統(tǒng)通過(guò)采集目標(biāo)的視頻圖像，檢測(cè)出人臉區(qū)域，在屯、臟 搏動(dòng)作用下，引起人臉血管內(nèi)血容積的變化，進(jìn)而引起皮膚內(nèi)血液對(duì)光束的吸收發(fā)生變化， 通過(guò)提取人臉區(qū)域的生命體征信息，對(duì)其進(jìn)行分析，得到人體的屯、率。然而現(xiàn)階段的研究 中，需要被測(cè)者保持身體盡量靜止，而且所運(yùn)用到的視頻追蹤算法是opencv提供的基礎(chǔ)算 法，對(duì)于一些比較復(fù)雜的目標(biāo)，比如有一定運(yùn)動(dòng)幅度的不能夠很好的追蹤，甚至?xí)霈F(xiàn)目標(biāo) 追蹤失敗的現(xiàn)象，而且現(xiàn)階段的追蹤算法耗時(shí)久，不能夠滿足實(shí)時(shí)性。運(yùn)就需要我們將更有 效，更快速的追蹤方法運(yùn)用到視頻圖像的生命體征監(jiān)測(cè)系統(tǒng)中。2011年，專利申請(qǐng)?zhí)枮?201110325533.3公開(kāi)了一種非接觸式生命體征信息的檢測(cè)方法，包含W下步驟:步驟1，按 固定帖連續(xù)采集待測(cè)目標(biāo)的視頻圖像，自動(dòng)檢測(cè)圖像中的ROI(感興趣)區(qū)域;步驟2,從所述 ROI區(qū)域劃分出的多通道信號(hào)中分離出生命體征信號(hào)；步驟3,提取出所述生命體征信號(hào)的 頻率并將其轉(zhuǎn)化為所述生命體征，獲得檢測(cè)結(jié)果。雖然專利申請(qǐng)?zhí)枮?01110325533.3的非 接觸式生命體征信息的檢測(cè)方法，可W檢測(cè)出人體的生命體征，但是存在W下問(wèn)題：（1)該 方法只能測(cè)量靜止目標(biāo)的生命體征，所用的追蹤方法不能夠快速準(zhǔn)確的追蹤運(yùn)動(dòng)目標(biāo)，對(duì) 于運(yùn)動(dòng)目標(biāo)生命體征的測(cè)量有很大的誤差；（2)還沒(méi)有對(duì)人臉檢測(cè)失敗，追蹤失敗和檢測(cè)到 虛假生命體征信號(hào)的情況進(jìn)行判斷；（3)所使用的帶通濾波器的參數(shù)是固定的，不能夠根據(jù) 運(yùn)動(dòng)狀態(tài)來(lái)自適應(yīng)的改變參數(shù)，濾除不感興趣的信號(hào)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種實(shí)時(shí)性好、準(zhǔn)確性高的測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方 法，能夠在保證生命體征信號(hào)測(cè)量準(zhǔn)確性的同時(shí)，擴(kuò)大生命體征信號(hào)測(cè)量的應(yīng)用范圍。
[0005] 實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，包括如 下步驟：
[0006] 步驟1，對(duì)待測(cè)量視頻的第一帖圖像進(jìn)行人臉檢測(cè)，如果檢測(cè)不到人臉則認(rèn)為本次 屯、率檢測(cè)失敗，否則進(jìn)行下一步；
[0007] 步驟2,根據(jù)步驟1得到的人臉檢測(cè)結(jié)果進(jìn)行人臉追蹤，如果追蹤過(guò)程中發(fā)現(xiàn)人臉 追蹤丟失，則返回步驟I重新進(jìn)行人臉檢測(cè)，否則進(jìn)行下一步；
[0008] 步驟3，根據(jù)所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離；
[0009] 步驟4,提取生命體征信號(hào)并進(jìn)行功率譜分析，判定此生命體征信號(hào)是否為虛假信 號(hào)，如果不是虛假信號(hào)則進(jìn)行屯、率值的轉(zhuǎn)換。
[0010] 優(yōu)選地，步驟1中所述人臉檢測(cè)采用人臉識(shí)別算法。
[0011] 優(yōu)選地，步驟2中所述人臉追蹤采用基于相關(guān)濾波的追蹤算法。
[0012] 進(jìn)一步地，步驟3所述根據(jù)所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離，具體為：
[0013] (3.1)對(duì)原始信號(hào)進(jìn)行預(yù)處理，包括平滑濾波和帶通濾波，其中帶通濾波器是自適 應(yīng)的帶通濾波器；
[0014] (3.2)通過(guò)分析待測(cè)視頻的中屯、點(diǎn)和追蹤所得人臉區(qū)域的中屯、點(diǎn)，判斷待測(cè)視頻 中人的運(yùn)動(dòng)狀態(tài)，并分析待測(cè)視頻的頻譜特性，得到視頻的中屯、頻率及帶寬；
[0015] (3.3)根據(jù)得到的運(yùn)動(dòng)狀態(tài)和頻率特征，自適應(yīng)的改變帶通濾波器的參數(shù)，得到人 體生命體征的信號(hào)。
[0016] 進(jìn)一步地，步驟4所述提取生命體征信號(hào)并進(jìn)行功率譜分析，判定此生命體征信號(hào) 是否為虛假信號(hào)，如果不是虛假信號(hào)則進(jìn)行屯、率值的轉(zhuǎn)換，具體為：
[0017] (4.1)首先對(duì)提取的生命體征信號(hào)進(jìn)行平滑濾波處理，然后對(duì)平滑濾波后的信號(hào) 進(jìn)行自相關(guān)運(yùn)算減小噪聲干擾；
[0018] (4.2)對(duì)自相關(guān)運(yùn)算后的信號(hào)進(jìn)行快速傅里葉變換FFT，獲得頻譜上的峰值功率點(diǎn) 即為生命體征信號(hào)的頻率；
[0019] (4.3)九下剌吿化牛命化征信號(hào)是否為虛假信號(hào)，定義V:
[0020]
[0021] 其中peakmax表示=個(gè)分量功率譜峰值幅度最大的功率譜，peakmin表示=個(gè)分量功 率譜峰值幅度最小的功率譜；
[0022] 如果V<0.35，則判定此生命體征信號(hào)為虛假信號(hào)，結(jié)束測(cè)量;如果V^O. 35，則判定 此生命體征信號(hào)為真實(shí)信號(hào)，進(jìn)入步驟(4.4);
[0023] (4.4)步驟(4.2)所獲得頻譜上的峰值功率點(diǎn)即為生命體征信號(hào)的頻率，將此峰值 功率點(diǎn)乘W60，得到一分鐘內(nèi)屯、率值。
[0024] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)在于：（1)利用了基于相關(guān)濾波的追蹤方法， 能夠快速的追蹤到實(shí)驗(yàn)所需的感興趣區(qū)域，在滿足準(zhǔn)確性的同時(shí)，也滿足了實(shí)時(shí)性；（2)利 用了基于相關(guān)濾波的追蹤方法，使非接觸式生命體征測(cè)量方法不再局限于測(cè)量靜止的實(shí)驗(yàn) 對(duì)象，可W測(cè)量運(yùn)動(dòng)的實(shí)驗(yàn)對(duì)象；（3)加入了人臉檢測(cè)失敗，追蹤失敗，虛假生命體征信號(hào)的 判斷，進(jìn)一步提高了檢測(cè)結(jié)果的準(zhǔn)確性；（4)采用了自適應(yīng)的帶通濾波，適用于靜止和運(yùn)動(dòng) 兩種情況，在保證了生命體征信號(hào)測(cè)量準(zhǔn)確性的同時(shí)，本發(fā)明擴(kuò)大了生命體征信號(hào)測(cè)量的 應(yīng)用范圍。
【附圖說(shuō)明】
[0025] 圖1是本發(fā)明測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法流程圖。
[0026] 圖2是本發(fā)明中待測(cè)量視頻的原始信號(hào)波形圖。
[0027] 圖3是本發(fā)明中待測(cè)量視頻經(jīng)過(guò)處理后的信號(hào)波形圖。
【具體實(shí)施方式】
[0028] 本發(fā)明提出的測(cè)量運(yùn)動(dòng)目標(biāo)人體生命體征的方法，通過(guò)利用基于相關(guān)濾波的追蹤 方法來(lái)確定人臉區(qū)域，并自適應(yīng)的選擇合適的帶通濾波來(lái)得到需要的信號(hào)，在保證生命體 征信號(hào)測(cè)量準(zhǔn)確性和實(shí)時(shí)性的同時(shí)，擴(kuò)大了生命體征信號(hào)測(cè)量的應(yīng)用范圍。
[0029] 結(jié)合圖1，本發(fā)明測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，包括如下步驟：
[0030] 步驟1，對(duì)待測(cè)量視頻的第一帖圖像進(jìn)行人臉檢測(cè)，如果檢測(cè)不到人臉則認(rèn)為本次 屯、率檢測(cè)失敗，否則進(jìn)行下一步；所述人臉檢測(cè)采用"Robust Real-time Object Detection" (Paul Viola,Michael Jones,2001 邸L，pp. 1-4)-文中提出的人臉識(shí)別算法用 于人臉檢測(cè)。
[0031] 加入了有無(wú)人臉的判斷，如果沒(méi)有人臉區(qū)域，可W避免進(jìn)行下面的一系列工作。
[0032] 步驟2,根據(jù)步驟1得到的人臉檢測(cè)結(jié)果進(jìn)行人臉追蹤，如果追蹤過(guò)程中發(fā)現(xiàn)人臉 追蹤丟失，則返回步驟1重新進(jìn)行人臉檢測(cè)，否則進(jìn)行下一步；所述人臉追蹤采用"Real- Time Compressive Tracking''（Kai hua Zhang,Lei Zhang ,and Ming-Hsuan Yang， 2012ECCV，PP. I-4) -文中提出的基于相關(guān)濾波的追蹤算法。
[0033] 該追蹤算法由于使用了FFT(快速傅里葉變換），可W準(zhǔn)確快速的追蹤到目標(biāo)的感 興趣區(qū)域，追蹤的實(shí)時(shí)性和準(zhǔn)確行有了很大的提局。該追蹤算法還加入了對(duì)追蹤丟失情況 的判斷，每秒鐘對(duì)追蹤到的區(qū)域進(jìn)行人臉檢測(cè)算法，如果檢測(cè)不到人臉，認(rèn)為追蹤失敗，貝U 返回到步驟1重新進(jìn)行人臉檢測(cè)算法。
[0034] 步驟3,根據(jù)所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離，所述分離生命體征信 號(hào)采用獨(dú)立成分分析，具體為：
[0035] (3.1)對(duì)原始信號(hào)進(jìn)行預(yù)處理，包括平滑濾波和帶通濾波，其中帶通濾波器是自適 應(yīng)的帶通濾波器；
[0036] (3.2)通過(guò)分析待測(cè)視頻的中屯、點(diǎn)和追蹤所得人臉區(qū)域的中屯、點(diǎn)，判斷待測(cè)視頻 中人的運(yùn)動(dòng)狀態(tài)，并分析待測(cè)視頻的頻譜特性，得到視頻的中屯、頻率及帶寬；
[0037] (3.3)根據(jù)得到的運(yùn)動(dòng)狀態(tài)和頻率特征，自適應(yīng)的改變帶通濾波器的參數(shù)，得到人 體生命體征的信號(hào)。
[0038] 步驟4,提取生命體征信號(hào)并進(jìn)行功率譜分析，判定此生命體征信號(hào)是否為虛假信 號(hào)，如果不是虛假信號(hào)則進(jìn)行屯、率值的轉(zhuǎn)換，具體為：
[0039] (4.1)首先對(duì)提取的生命體征信號(hào)進(jìn)行平滑濾波處理，然后對(duì)平滑濾波后的信號(hào) 進(jìn)行自相關(guān)運(yùn)算減小噪聲干擾；
[0040] (4.2)對(duì)自相關(guān)運(yùn)算后的信號(hào)進(jìn)行快速傅里葉變換FFT，獲得頻譜上的峰值功率點(diǎn) 即為生命體征信號(hào)的頻率；
[0041] (4.3)為了判定此生命體征信號(hào)是否為虛假信號(hào)，定義V:
[0042]
[0043] 其中peakmax表示=個(gè)分量功率譜峰值幅度最大的功率譜，peakmin表示=個(gè)分量功 率譜峰值幅度最小的功率譜；
[0044] 如果V<0.35，則判定此生命體征信號(hào)為虛假信號(hào)，結(jié)束測(cè)量;如果V>0.35，則判定 此生命體征信號(hào)為真實(shí)信號(hào)，進(jìn)入步驟(4.4);
[0045] (4.4)步驟(4.2)所獲得頻譜上的峰值功率點(diǎn)即為生命體征信號(hào)的頻率，將此峰值 功率點(diǎn)乘W60，得到一分鐘內(nèi)屯、率值。
[0046] 實(shí)施例
[0047] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合實(shí)施例和附圖，對(duì) 本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。
[0048] 本實(shí)施例對(duì)提出的測(cè)量運(yùn)動(dòng)目標(biāo)人體生命體征的方法的性能進(jìn)行了驗(yàn)證。
[0049] 實(shí)驗(yàn)參數(shù)設(shè)置如下：
[0050] 硬件配置：Intel(R)Core(TMH5-5200CPU@2.20GHz 2.12GHz [0化1] 視頻格式:AVI
[0052] 視頻帖率：24fps
[0053] 其中為了消除手機(jī)拍攝過(guò)程中手的不自主抖動(dòng)造成的不必要誤差，采用=腳架固 定手機(jī)。在程序運(yùn)行中，為了消除手機(jī)拍攝開(kāi)始時(shí)可能有的手機(jī)會(huì)自動(dòng)的進(jìn)行光照的適應(yīng)， 檢測(cè)時(shí)從第25帖開(kāi)始檢測(cè)。檢測(cè)的總視頻帖數(shù)是500帖，時(shí)長(zhǎng)是20秒。
[0054] 本實(shí)施例操作流程如圖1所示，具體步驟如下：
[0055] 步驟1:對(duì)待測(cè)量視頻的第一帖采用人臉檢測(cè)算法，如果檢測(cè)不到人臉，則認(rèn)為本 次屯、率檢測(cè)失敗，否則，進(jìn)行下一步；
[0056] 步驟2:根據(jù)步驟1得到的人臉檢測(cè)結(jié)果，進(jìn)行人臉追蹤算法，如果追蹤過(guò)程中發(fā)現(xiàn) 人臉追蹤丟失，則返回步驟1重新進(jìn)行人臉檢測(cè)算法，否則，進(jìn)行下一步；
[0057] 步驟3:根據(jù)所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離；
[0058] 步驟4:提取生命體征信號(hào)，對(duì)所得信號(hào)進(jìn)行功率譜分析，如果V<0.35，則判定此生 命體征信號(hào)為虛假信號(hào)，否則，對(duì)所得信號(hào)進(jìn)行屯、率值的轉(zhuǎn)換。
[0059] 本發(fā)明在運(yùn)動(dòng)和靜止兩種情況下都可W準(zhǔn)確的測(cè)量出實(shí)驗(yàn)者的屯、率。本發(fā)明在對(duì) 生命體征信號(hào)進(jìn)行分離之前，對(duì)原始信號(hào)進(jìn)行了濾波處理，平滑濾波消除噪聲，帶通濾波過(guò) 濾掉不需要的信號(hào)，如圖2所示，得到的原始信號(hào)比較雜亂，如圖3所示，經(jīng)過(guò)一系列濾波處 理之后的信號(hào)變得有序，有利于后續(xù)的分析。下表1是本發(fā)明檢測(cè)結(jié)果與專利申請(qǐng)?zhí)枮?201110325533.3的非接觸式生命體征檢測(cè)的結(jié)果對(duì)比表。本發(fā)明為了驗(yàn)證試驗(yàn)的可信度， 采用了迪卡依GE0NAUTE 110屯、率帶作為試驗(yàn)對(duì)照。其中檢測(cè)目標(biāo)的1，2，3為待檢測(cè)目標(biāo)運(yùn) 動(dòng)情況下的視頻，檢測(cè)目標(biāo)4,5為待檢測(cè)目標(biāo)靜止情況下的視頻。其中屯、率帶檢測(cè)結(jié)果均值 是在20秒內(nèi)記錄屯、率帶的檢測(cè)結(jié)果的均值，并四舍五入之后的結(jié)果。由表1可W看出，在檢 測(cè)靜止目標(biāo)的時(shí)候，本發(fā)明和對(duì)比實(shí)驗(yàn)的檢測(cè)結(jié)果與屯、率帶檢測(cè)結(jié)果基本一致，但是在檢 測(cè)運(yùn)動(dòng)目標(biāo)的時(shí)候，專利申請(qǐng)?zhí)枮?01110325533.3的非接觸式生命體征檢測(cè)的結(jié)果和屯、率 帶的結(jié)果相差很大，可見(jiàn)檢測(cè)結(jié)果很差。由表1可W看出本發(fā)明在檢測(cè)運(yùn)動(dòng)目標(biāo)的時(shí)候比專 利申請(qǐng)?zhí)枮?01110325533.3的非接觸式生命體征檢測(cè)有明顯的優(yōu)勢(shì)。
[0060] 表1本發(fā)明檢測(cè)結(jié)果與專利申請(qǐng)?zhí)枮?01110325533.3的非接觸式生命體征檢測(cè)的 結(jié)果對(duì)比表
[0061]
[0062]綜上，本發(fā)明提出的一種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法通過(guò)利用相關(guān)濾波的追蹤 方法來(lái)確定人臉區(qū)域，并自適應(yīng)的選擇合適的帶通濾波來(lái)得到需要的信號(hào)，在保證生命體 征信號(hào)測(cè)量準(zhǔn)確性和實(shí)時(shí)性的同時(shí)，擴(kuò)大了生命體征信號(hào)測(cè)量的應(yīng)用范圍。
【主權(quán)項(xiàng)】
1. 一種測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，其特征在于，包括如下步驟： 步驟1，對(duì)待測(cè)量視頻的第一幀圖像進(jìn)行人臉檢測(cè)，如果檢測(cè)不到人臉則認(rèn)為本次心率 檢測(cè)失敗，否則進(jìn)行下一步； 步驟2,根據(jù)步驟1得到的人臉檢測(cè)結(jié)果進(jìn)行人臉追蹤，如果追蹤過(guò)程中發(fā)現(xiàn)人臉追蹤 丟失，則返回步驟1重新進(jìn)行人臉檢測(cè)，否則進(jìn)行下一步； 步驟3，根據(jù)所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離； 步驟4,提取生命體征信號(hào)并進(jìn)行功率譜分析，判定此生命體征信號(hào)是否為虛假信號(hào)， 如果不是虛假信號(hào)則進(jìn)行心率值的轉(zhuǎn)換。2. 根據(jù)權(quán)利要求1所述的測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，其特征在于，步驟1中所述人 臉檢測(cè)采用人臉識(shí)別算法。3. 根據(jù)權(quán)利要求1所述的測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，其特征在于，步驟2中所述人 臉追蹤米用基于相關(guān)濾波的追蹤算法。4. 根據(jù)權(quán)利要求1所述的測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，其特征在于，步驟3所述根據(jù) 所得人臉追蹤結(jié)果，進(jìn)行生命體征信號(hào)的分離，具體為： (3.1) 對(duì)原始信號(hào)進(jìn)行預(yù)處理，包括平滑濾波和帶通濾波，其中帶通濾波器是自適應(yīng)的 帶通濾波器； (3.2) 通過(guò)分析待測(cè)視頻的中心點(diǎn)和追蹤所得人臉區(qū)域的中心點(diǎn)，判斷待測(cè)視頻中人 的運(yùn)動(dòng)狀態(tài)，并分析待測(cè)視頻的頻譜特性，得到視頻的中心頻率及帶寬； (3.3) 根據(jù)得到的運(yùn)動(dòng)狀態(tài)和頻率特征，自適應(yīng)的改變帶通濾波器的參數(shù)，得到人體生 命體征的信號(hào)。5. 根據(jù)權(quán)利要求1所述的測(cè)量運(yùn)動(dòng)目標(biāo)生命體征的方法，其特征在于，步驟4所述提取 生命體征信號(hào)并進(jìn)行功率譜分析，判定此生命體征信號(hào)是否為虛假信號(hào)，如果不是虛假信 號(hào)則進(jìn)行心率值的轉(zhuǎn)換，具體為： (4.1) 首先對(duì)提取的生命體征信號(hào)進(jìn)行平滑濾波處理，然后對(duì)平滑濾波后的信號(hào)進(jìn)行 自相關(guān)運(yùn)算減小噪聲干擾； (4.2) 對(duì)自相關(guān)運(yùn)算后的信號(hào)進(jìn)行快速傅里葉變換FFT，獲得頻譜上的峰值功率點(diǎn)即為 生命體征信號(hào)的頻率； (4.3) 為了判定此生命體征信號(hào)是否為虛假信號(hào)，定義V:其中peakmax表示三個(gè)分量功率譜峰值幅度最大的功率譜，peakmin表示三個(gè)分量功率譜 峰值幅度最小的功率譜； 如果V〈0.35，則判定此生命體征信號(hào)為虛假信號(hào)，結(jié)束測(cè)量;如果V多0.35，則判定此生 命體征信號(hào)為真實(shí)信號(hào)，進(jìn)入步驟(4.4); (4.4) 步驟(4.2)所獲得頻譜上的峰值功率點(diǎn)即為生命體征信號(hào)的頻率，將此峰值功率 點(diǎn)乘以60，得到一分鐘內(nèi)心率值。
【文檔編號(hào)】G06K9/00GK105956556SQ201610286712
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年4月29日
【發(fā)明人】伏長(zhǎng)虹, 豆彩霞, 洪弘, 左悅
【申請(qǐng)人】南京理工大學(xué)