一种基于图像捕获的心率测量方法

1.一种基于图像捕获的心率测量方法，其特征是：它由以下步骤实现：
步骤一、初始化：设定检测空间的特征矢量T，所述特征矢量T为3×1的矢量；设定向二值图像转换的阈值ε；
步骤二、采用摄像头拍摄一段心率检测的视频；并从视频中提取出各帧图像，并依次标记为F1,F2,...,Fx，x∈[1,n]，n为该段视频中图像的帧数，Fx为第x帧图像在RGB空间下的表示，即：Fx为一个M×N×3的矩阵；
1 2 3
设Fx 为第x张图像在R空间上的灰度值，Fx 为第x张图像在G空间上的灰度值，Fx为第x张图像在B空间上的灰度值；
1 2 3
用Fx(i,j),Fx(i,j),Fx(i,j)分别表示第x张图像在R空间上、G空间上、B空间上的第i行j列的元素值，i∈[1,M],j∈[1,N]；
相邻两帧图像之间的时间间隔为 Tv为视频的时长；
步骤三、将图像Fx投影到检测空间中，得到在步骤一所述的检测空间下的灰度图Gx，Gx为M×N的矩阵；Gx(i,j)为Gx中第i行j列的元素值，取：
其中，T11,T21,T31分别为矢量T的第一至第三行元素；
步骤四、将步骤三中所得的每张灰度图Gx分别与第一张灰度图G1做差，并取绝对值后得到n-1张新的差值灰度图Ry，y∈[1,n-1]，Ry(i,j)为Ry中第i行j列的元素值，即：
Ry(i,j)=|Gx(i,j)-G1(i,j)|；
步骤五、提取各帧图像中血管图像的变化区域My；
步骤五中所述提取各帧图像中血管图像的变化区域My的方法为：
步骤A1、将步骤四中获得的差值灰度图R1,R2,...,Rn-1转化为以ε为阈值分割而成的二 进制编码图像B1,B2,...,Bn-1，式中：By(i,j)表示By图中第i行第j列的元素值，即：
步骤A2、对步骤A1中By执行以Q为结构元素的开运算，获得C1,C2,...,Cn-1，其中：
步骤A3：对步骤A2中的元素Cy执行以Q为结构元素的闭运算，获得各帧图像中血管图像的变化区域My，即：My=By·Q；
步骤六、提取出步骤五中各帧图像中血管图像的变化区域My的图像Ky，具体过程为：将步骤五中得到的各帧图像中血管图像的变化区域My逐一与步骤四中得到的灰度图Ry进行与非运算，得到Ky；
Ky(i,j) 为 Ky 中 第 i 行 j 列 的 元 素 值，即 Ky 中 各 元 素 的 值 为：
步骤七、在图像Ky中提取变化的特征值，记为 ；
步骤七中所述的在图像Ky中提取变化的特征值的方法为：
步骤B1、计算步骤六中所得图像Ky的元素中的最小值和最大值，分别记为Ky(i,j)min和Ky(i,j)max；并将[Ky(i,j)min,Ky(i,j)max]区间平均划分为7个小区间，把Ky图像中的元素值Ky(i,j)依次纳入所述7个小区间内，即：
第1个区间范围为：
第2个区间范围为：
第3个区间范围为：
第4个区间范围为：
第5个区间范围为：
第6个区间范围为：
第7个区间范围为：
统计第2个至第6个区间范围内所有元素的算术平均值，获得在图像Ky中提取的变化的特征值，记为
步骤八、获取步骤七中图像Ky中提取变化的特征值 的周期Tr；
步骤八中所述获取步骤七中在图像Ky中提取变化的特征值 的周期Tr的方法为：
步骤C1、取 中第一个点 作为比较值，赋值于
步骤C2、设 从h=2开始将h逐一代入F(h)
进行计算，当第一次出现F(h)<0时，记此时的h为h1；继续代入h进行计算，第二次出现F(h)<0时，记此时的h为h2；则(h2-1)Tf=Tr1，Tr1为第一个点 对应的周期；
步骤C3、取第四个点 重复步骤C1和步骤C2的过程，得到Tr2；取第七个点 重复步骤C1和步骤C2的过程，得到Tr3；
步骤C4、当不存在对应的h1,h2时，则相应的Tr1,Tr2,Tr3取为0；Tr=median(Tr1+Tr2+Tr3)，即为： 的周期；
步骤九、根据公式：
获得心率值HR。
2.根据权利要求1所述的一种基于图像捕获的心率测量方法，其特征在于，步骤二中所述的视频的时长Tv为3s。

一种基于图像捕获的心率测量方法\n技术领域\n[0001] 本发明涉及一种心率测量方法。\n背景技术\n[0002] 心率（Heart Rate）：用来描述心动周期的专业术语，是指心脏每分钟跳动的次数。\n正常成年人安静时的心率有显著的个体差异，平均在75次/分左右（60-100次/分之间）。\n心率可因年龄、性别及其它生理情况而不同。初生儿的心率很快，可达130次/分以上。同一个人，在安静或睡眠时心率减慢，运动时或情绪激动时心率加快，在某些药物或神经体液因素的影响下，会使心率发生加快或减慢。成人每分钟心率超过100次或婴幼儿超过105次/分者，称为心动过速。成人心跳次数小于60次/分就称为心动过缓。心动过速和心动过缓都会影响人的健康，尤其对心脏有问题的人来说，心率测量是一个很重要的指标。因此，心率测量是常用的医学检查项目之一，实时准确的心率测量在病人监控、临床治疗、健身及体育竞赛等方面都有着广泛的应用。\n[0003] 目前心率测量领域的方法主要有两大类，一类是通过心电图进行测量，另一类是由传感器间接测量心动信号并进行计数来计算心率。前者测量准确且可以直观地显示心率等其它人体生理指标，但成本非常高，并且携带不便。后者成本低，但由于传感器必须与人体紧密接触，导致噪声较大，测量结果不可靠。因此，一种造价低，非接触式的心率测量方法亟待提出。\n发明内容\n[0004] 本发明是为了解决现有的采用心电图式进行测量为接触式的测量方法导致测量不便，采用传感器间接测量方法的测量准确度低的问题，从而提供一种基于图像捕获的心率测量方法。\n[0005] 一种基于图像捕获的心率测量方法，它由以下步骤实现：\n[0006] 步骤一、初始化：设定检测空间的特征矢量T，所述特征矢量T为3×1的矢量；设定向二值图像转换的阈值ε；\n[0007] 步骤二、采用摄像头拍摄一段心率检测的视频；并从视频中提取出各帧图像，并依次标记为F1,F2,...,Fx，x∈[1,n]，n为该段视频中图像的帧数，Fx为第x帧图像在RGB空间下的表示，即：Fx为一个M×N×3的矩阵；\n[0008] 设Fx1为第x张图像在R空间上的灰度值，Fx2为第x张图像在G空间上的灰度值，\n3\nFx 为第x张图像在B空间上的灰度值；\n[0009] 用Fx1(i,j),Fx2(i,j),Fx3(i,j)分别表示第x张图像在R空间上、G空间上、B空间上的第i行j列的元素值，i∈[1,M],j∈[1,N]；\n[0010] 相邻两帧图像之间的时间间隔为 Tv为视频的时长；\n[0011] 步骤三、将图像Fx投影到检测空间中，得到在步骤一所述的检测空间下的灰度图Gx，Gx为M×N的矩阵；Gx(i,j)为Gx中第i行j列的元素值，取：\n[0012] \n[0013] 其中，T11,T21,T31分别为矢量T的第一至第三行元素；\n[0014] 步骤四、将步骤三中所得的每张灰度图Gx分别与第一张灰度图G1做差，并取绝对值后得到n-1张新的差值灰度图Ry，y∈[1,n-1]，Ry(i,j)为Ry中第i行j列的元素值，即：Ry(i,j)=|Gx(i,j)-G1(i,j)|；\n[0015] 步骤五、提取各帧图像中血管图像的变化区域My；\n[0016] 步骤六、提取出步骤五中各帧图像中血管图像的变化区域My的图像Ky，具体过程为：将步骤五中得到的各帧图像中血管图像的变化区域My逐一与步骤四中得到的灰度图Ry进行与非运算，得到Ky；\n[0017] Ky(i,j) 为 Ky 中 第 i 行 j 列 的 元 素 值，即 Ky 中 各 元 素 的 值 为：\n[0018] 步骤七、在图像Ky中提取变化的特征值，记为\n[0019] 步骤八、获取步骤七中图像Ky中提取变化的特征值 的周期Tr；\n[0020] 步骤九、根据公式：\n[0021] \n[0022] 获得心率值HR。\n[0023] 步骤五中所述提取各帧图像中血管图像的变化区域My的方法为：\n[0024] 步骤A1、将步骤四中获得的差值灰度图R1,R2,...,Rn-1转化为以ε为阈值分割而成的二进制编码图像B1,B2,...,Bn-1，式中：By(i,j)表示By图中第i行第j列的元素值，即：\n[0025] 步骤A2、对步骤A1中By执行以Q为结构元素的开运算，获得C1,C2,...,Cn-1，其中：\n[0026] \n[0027] \n[0028] 步骤A3：对步骤A2中的元素Cy执行以Q为结构元素的闭运算，获得各帧图像中血管图像的变化区域My，即：My=By·Q。\n[0029] 步骤七中所述的在图像Ky中提取变化的特征值的方法为：\n[0030] 步骤B1、计算步骤六中所得图像Ky的元素中的最小值和最大值，分别记为Ky(i,j)min和Ky(i,j)max；并将[Ky(i,j)min,Ky(i,j)max]区间平均划分为7个小区间，把Ky图像中的元素值Ky(i,j)依次纳入所述7个小区间内，即：\n[0031] 第1个区间范围为：\n[0032] 第2个区间范围为：\n[0033] 第3个区间范围为：\n[0034] 第4个区间范围为：\n[0035] 第5个区间范围为：\n[0036] 第6个区间范围为：\n[0037] 第7个区间范围为：\n[0038] 统计第2个至第6个区间范围内所有元素的算术平均值，获得在图像Ky中提取的变化的特征值，记为\n[0039] 步骤八中所述获取步骤七中在图像Ky中提取变化的特征值 的周期Tr的方法为：\n[0040] 步骤C1、取 中第一个点 作为比较值，赋值于\n[0041] 步骤C2、设 从h=2开始将h逐一代入\nF(h)进行计算，当第一次出现F(h)<0时，记此时的h为h1；继续代入h进行计算，第二次出现F(h)<0时，记此时的h为h2；则(h2-1)Tf=Tr1，Tr1为第一个点 对应的周期；\n[0042] 步骤C3、取第四个点 重复步骤C1和步骤C2的过程，得到Tr2；取第七个点重复步骤C1和步骤C2的过程，得到Tr3；\n[0043] 步 骤 C4、当 不 存 在 对 应 的h1,h2 时，则 相 应 的 Tr1,Tr2,Tr3取 为 0；\nTr=median(Tr1+Tr2+Tr3)，即为： 的周期。\n[0044] 步骤二中所述的视频的时长Tv为3s。\n[0045] 有益效果：本发明基于图像捕获，提出一种结合图像处理的心率测量方法，处理中由摄像头进行图像采集，避免了以往的接触式心率测量方法，具有较低的噪声和较高的可靠性，测量准确度高；同时，摄像头的成本较低，便于广泛的应用。此心率测量方式在现实中更具实用价值。\n附图说明\n[0046] 图1是本发明中新的图像Ky中提取变化的特征值获取到的 的周期Tr示意图。\n具体实施方式\n[0047] 具体实施方式一、一种基于图像捕获的心率测量方法，它由以下步骤实现：\n[0048] 步骤一、初始化：设定检测空间的特征矢量T，所述特征矢量T为3×1的矢量；设定向二值图像转换的阈值ε；\n[0049] 步骤二、采用摄像头拍摄一段心率检测的视频，如人体面部、手部血管的视频图像，该摄像头用普通的摄像头即可，满足FPS大于15即可；并从视频中提取出各帧图像，并依次标记为F1,F2,...,Fx，x∈[1,n]，n为该段视频中图像的帧数，Fx为第x帧图像在RGB空间下的表示，即：Fx为一个M×N×3的矩阵；\n[0050] 设Fx1为第x张图像在R空间上的灰度值，Fx2为第x张图像在G空间上的灰度值，\n3\nFx 为第x张图像在B空间上的灰度值；\n[0051] 用Fx1(i,j),Fx2(i,j),Fx3(i,j)分别表示第x张图像在R空间上、G空间上、B空间上的第i行j列的元素值，i∈[1,M],j∈[1,N]；\n[0052] 相邻两帧图像之间的时间间隔为 Tv为视频的时长；\n[0053] 步骤三、将图像Fx投影到检测空间中，得到在步骤一所述的检测空间下的灰度图Gx，Gx为M×N的矩阵；Gx(i,j)为Gx中第i行j列的元素值，取：\n[0054] \n[0055] 其中，T11,T21,T31分别为矢量T的第一至第三行元素；\n[0056] 步骤四、将步骤三中所得的每张灰度图Gx分别与第一张灰度图G1做差，并取绝对值后得到n-1张新的差值灰度图Ry，y∈[1,n-1]，Ry(i,j)为Ry中第i行j列的元素值，即：Ry(i,j)=|Gx(i,j)-G1(i,j)|；\n[0057] 步骤五、提取各帧图像中血管图像的变化区域My；\n[0058] 步骤六、提取出步骤五中各帧图像中血管图像的变化区域My的图像Ky，具体过程为：将步骤五中得到的各帧图像中血管图像的变化区域My逐一与步骤四中得到的灰度图Ry进行与非运算，得到Ky；\n[0059] Ky(i,j) 为 Ky 中 第 i 行 j 列 的 元 素 值，即 Ky 中 各 元 素 的 值 为：\n[0060] 步骤七、在图像Ky中提取变化的特征值，记为\n[0061] 步骤八、获取步骤七中图像Ky中提取变化的特征值 的周期Tr；\n[0062] 步骤九、根据公式：\n[0063] \n[0064] 获得心率值HR。\n[0065] 步骤五中所述提取各帧图像中血管图像的变化区域My的方法为：\n[0066] 步骤A1、将步骤四中获得的差值灰度图R1,R2,...,Rn-1转化为以ε为阈值分割而成的二进制编码图像B1,B2,...,Bn-1，式中：By(i,j)表示By图中第i行第j列的元素值，即：\n[0067] 步骤A2、对步骤A1中By执行以Q为结构元素（菱形结构元素）的开运算，以去除离群点的噪声影响，获得C1,C2,...,Cn-1，其中：\n[0068] \n[0069] \n[0070] 步骤A3：对步骤A2中的元素Cy执行以Q为结构元素（菱形结构元素）的闭运算，以便将血管的内部图像修复和填充完整，获得各帧图像中血管图像的变化区域My，即：\nMy=By·Q。\n[0071] 步骤七中所述的在图像Ky中提取变化的特征值的方法为：\n[0072] 步骤B1、计算步骤六中所得图像Ky的元素中的最小值和最大值，分别记为Ky(i,j)min和Ky(i,j)max；并将[Ky(i,j)min,Ky(i,j)max]区间平均划分为7个小区间，把Ky图像中的元素值Ky(i,j)依次纳入所述7个小区间内，即：\n[0073] 第1个区间范围为：\n[0074] 第2个区间范围为：\n[0075] 第3个区间范围为：\n[0076] 第4个区间范围为：\n[0077] 第5个区间范围为：\n[0078] 第6个区间范围为：\n[0079] 第7个区间范围为：\n[0080] 统计第2个至第6个区间范围内所有元素的算术平均值，获得在图像Ky中提取的变化的特征值，记为\n[0081] 步骤八中所述获取步骤七中在图像Ky中提取变化的特征值 的周期Tr的方法为：\n[0082] 步骤C1、取 中第一个点 作为比较值，赋值于\n[0083] 步骤C2、设 从h=2开始将h逐一代入\nF(h)进行计算，当第一次出现F(h)<0时，记此时的h为h1；继续代入h进行计算，第二次出现F(h)<0时，记此时的h为h2；则(h2-1)Tf=Tr1，Tr1为第一个点 对应的周期；\n[0084] 步骤C3、取第四个点 重复步骤C1和步骤C2的过程，得到Tr2；取第七个点重复步骤C1和步骤C2的过程，得到Tr3；\n[0085] 步 骤 C4、当 不 存 在 对 应 的h1,h2 时，则 相 应 的 Tr1,Tr2,Tr3取 为 0；\nTr=median(Tr1+Tr2+Tr3)，即为： 的周期。\n[0086] 步骤二中所述的视频的时长Tv为3s。