基于面部視頻的非接觸式血流信號(hào)檢測(cè)系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著光電容積脈搏波描記法（PhotoPlethysmoGraphy，PPG）的不斷進(jìn)步，越來(lái)越多的研究者們開展了非接觸式生理信號(hào)檢測(cè)方法的研究，利用各種不同的信號(hào)處理方法可以從面部視頻信號(hào)中提取出具有研究意義的生理信號(hào)，如血容量變化脈沖(Blood Volume Pulse，BVP)、眼動(dòng)信號(hào)等。通過(guò)對(duì)BVP信號(hào)的進(jìn)一步分析，可以得到心率、呼吸率、心率變異性、血氧飽和度、血壓等生命體征參數(shù)，這些參數(shù)能夠準(zhǔn)確地反映出人體健康狀況水平和情感

2、狀態(tài)。因此，非接觸式生理信號(hào)檢測(cè)方法在醫(yī)療健康、疲勞檢測(cè)以及情感識(shí)別等領(lǐng)域中有著極其重要的研究?jī)r(jià)值。
　　目前，基于PPG技術(shù)的非接觸式生理信號(hào)檢測(cè)方法的研究主要分為兩大類:一類為直接將綠色通道分量作為BVP信號(hào)進(jìn)行生命體征參數(shù)提取的G-BVP方法;另一類為使用獨(dú)立分量分析（Independent Component Analysis，ICA）等盲源分離技術(shù)從三基色通道信號(hào)中分離出BVP信號(hào)的ICA-BVP方法，兩種方法得到的BV

3、P信號(hào)不同，對(duì)后續(xù)的信號(hào)處理步驟也產(chǎn)生一定的影響?，F(xiàn)有的研究結(jié)果并沒有完全展現(xiàn)出兩種方法各自的優(yōu)缺點(diǎn)，因此本文主要針對(duì)G-BVP方法和ICA-BVP方法在不同場(chǎng)景下的性能和特點(diǎn)進(jìn)行了比較，大量實(shí)驗(yàn)結(jié)果表明G-BVP方法具有較高的運(yùn)算效率，而ICA-BVP方法在消除運(yùn)動(dòng)和光照干擾方面具有較明顯的優(yōu)勢(shì)，表現(xiàn)出較好的穩(wěn)定性和準(zhǔn)確性。主要工作如下:
　　1)本文首先在對(duì)面部視頻進(jìn)行預(yù)處理操作的準(zhǔn)備工作中，分析比較了使用人臉檢測(cè)算法和運(yùn)動(dòng)目

4、標(biāo)跟蹤算法給后續(xù)處理過(guò)程帶來(lái)的影響，對(duì)比兩種算法得到的原始信號(hào)和提取的BVP信號(hào)，選擇Mean shift跟蹤算法進(jìn)行面部目標(biāo)跟蹤。并且對(duì)幾種常用的ICA方法進(jìn)行了研究，比較這些方法在BVP信號(hào)提取以及后續(xù)生命體征參數(shù)計(jì)算過(guò)程中的影響，考慮算法的執(zhí)行效率和平臺(tái)移植性，分析不同算法的優(yōu)缺點(diǎn)，最終選擇SOBI算法作為本文ICA-BVP方法的主要算法。
　　2)對(duì)G-BVP方法和ICA-BVP方法在不同場(chǎng)景下的性能進(jìn)行了對(duì)比分析，基于不

5、同條件下所拍攝的面部視頻，研究了分析區(qū)域選擇、面部器官自然運(yùn)動(dòng)和光照變化等因素引起的干擾成分對(duì)BVP提取效果的影響。
　　3)在ICA-BVP方法的具體實(shí)現(xiàn)過(guò)程中，針對(duì)ICA輸出排序不確定性問(wèn)題，提出了將譜峭度應(yīng)用到BVP信號(hào)自動(dòng)識(shí)別方法中，對(duì)ICA的三路輸出信號(hào)分別計(jì)算譜峭度，將其中譜峭度值最大的一路信號(hào)作為BVP，該方法在動(dòng)態(tài)BVP信號(hào)獲取和生命體征參數(shù)提取實(shí)驗(yàn)中取得了較理想的測(cè)試效果。
　　4)基于Visual Stu