專利名稱：一種利用視覺信息監(jiān)測人體生理指標(biāo)的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用視覺信息監(jiān)測人體生理指標(biāo)的方法和系統(tǒng)，屬于檢測技術(shù)領(lǐng)域。
技術(shù)背景
無創(chuàng)、連續(xù)式監(jiān)測人體心率、呼吸率等生理指標(biāo)在家庭醫(yī)療保健與人體生理狀況監(jiān)測方面有重要的意義。隨著國內(nèi)生活水平的提高，人們的飲食結(jié)構(gòu)及生活習(xí)慣都發(fā)生了較大改變飲食涉入脂肪和膽固醇的含量明顯增加，蔬菜等高纖維成分減少；日?；顒恿繙p少，作息不規(guī)律，生活節(jié)奏變快，壓力增大等，這些都成為心血管疾病的溫床，心血管疾病已經(jīng)成為發(fā)展中國家的一個重要的死亡原因。然而，通常的醫(yī)療檢測都需要固定的精密儀器支持，且檢測方式也多為針對單一指標(biāo)、非連續(xù)測式量，如心電圖，臂式血壓計聽診儀等。 這不僅難以大范圍普及，也不利于家庭成員身體情況的長期檢測。
Photolethysmography (PPG,光電容積描記法)是本領(lǐng)域公知的利用光電手段在活體組織中無創(chuàng)檢測血液容積變化的方法。通常的PPG醫(yī)療儀器需要一個發(fā)光器和接收器。 發(fā)光器發(fā)射特定波長的光束(通常是紅光和可見紅光)，照射到皮膚表面時光束通過透射或反射方式到達(dá)接收器。在此過程中由于光束受到皮膚肌肉組織和血液的吸收，光強有一定的衰減。由于心臟周期性搏動弓I起的血液容積的變化，將影響皮膚血液對光的吸收量的變化，接收器接收到的強度呈脈動性變化的，將此光強變化信號轉(zhuǎn)換成電信號便可獲得攜帶有豐富的人體微血管循環(huán)系統(tǒng)信息的容積脈搏血流的變化信號。
流形學(xué)習(xí)(Manifold Learning)是模式識別的基本方法。Bregler和Omohundro 在于 1995 年發(fā)表的 Nonlinear manifold learning for visual speech recognition 的文章中提出。流形學(xué)習(xí)使用有限點集合來計算嵌入在高維空間中的低維流形，從觀測到的現(xiàn)象中去尋找事物的本質(zhì)，找到產(chǎn)生數(shù)據(jù)的內(nèi)在規(guī)律。其基本思想是通過獲取數(shù)據(jù)集內(nèi)所蘊含的幾何信息來進行數(shù)據(jù)分析。本發(fā)明即將流形學(xué)習(xí)的方法應(yīng)用于PPG方法之中，以更科學(xué)地進行生理指標(biāo)的測量工作。據(jù)現(xiàn)有知識來看，本發(fā)明首創(chuàng)了將流形學(xué)習(xí)的方法應(yīng)用在人體生理指標(biāo)的測量工作中的方式。
現(xiàn)有的基于PPG的技術(shù)，通常采用可以見光源或紅外傳感器，在手指尖耳垂部位測量，測量方式多為夾帶式，且測量指標(biāo)局限于血氧飽和度或心率。授權(quán)公告日為2009年 03月03日、授權(quán)公告號為200980106331. O的發(fā)明專利說明書公開了一種使用可見光圖像測定心率的方法。該方法可利用蜂窩電話相機等設(shè)備捕獲人體皮膚對應(yīng)的過個可見光圖像，通過降維處理測定對象心率。該方法雖然可以實現(xiàn)無創(chuàng)、連續(xù)測量，但利用普通的線性降維，處理方式過于簡單，精確度低，且只能提供人體心率信息，不能滿足現(xiàn)代社會日益提高的各種測量需求。發(fā)明內(nèi)容
鑒于上述內(nèi)容，發(fā)明人經(jīng)潛心鉆研PPG技術(shù)與流形學(xué)習(xí)，對兩者進行有機整合，提出本發(fā)明，以期即能實現(xiàn)無創(chuàng)、連續(xù)測量，也能對測量的各種參數(shù)及參數(shù)的準(zhǔn)確度進行較大的提聞。
本發(fā)明的目的是提供一種利用視覺信息監(jiān)測人體生理指標(biāo)的方法和系統(tǒng)。
根據(jù)本發(fā)明的發(fā)明目的之一，其中提供一種利用視覺信息自動監(jiān)測人體生理指標(biāo)的方法，包括步驟(I):通過采集裝置采集待測對象的視覺信息并存儲數(shù)據(jù)；步驟(2):對所選取的視覺信息進行處理；步驟(3):對上述處理結(jié)果進行分析以提取人體生理指標(biāo)；步驟(4):對所提取的生理指標(biāo)返回顯示。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中在進行所述采集視覺信息的步驟之前，先要檢測在采集部件鏡頭前是否有待測對象出現(xiàn)，當(dāng)檢測到待測對象時開始工作，該檢測手段可通過紅外、感光等手段實現(xiàn)。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述采集待檢測對象視覺信息還包括，選取視覺信息中需要的預(yù)定視覺信息，將所選取的視覺信息壓縮為適合使用的特定格式并存儲。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中是在采集的視頻中檢測人臉圖像，并存儲視覺信息；所述檢測人臉圖像的方法是使用基于Adaboost、膚色、PCA、SVM等中的至少一種人臉檢測模型，檢測視頻序列中的視頻幀是否存在人臉，并返回人臉位置信息。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述存儲的視覺信息具體是所述視頻幀中返回的人臉位置信息，或部分區(qū)為感興趣區(qū)域，視頻彩色傳感器采集的RGB三通道像素的值；存儲視覺信息的方法具體是成功檢測到人臉時存儲以人臉為感興趣區(qū)域的視覺信息作為后續(xù)處理；若某一幀檢測人臉失敗，以上一幀的信息作為當(dāng)前存儲信息；連續(xù)I秒不能檢測到人臉則停止生理指標(biāo)監(jiān)測。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述對采集的視覺信息進行處理為當(dāng)采集的視覺信息量達(dá)到監(jiān)測初始量Ltl時，利用流形學(xué)習(xí)方法從采集的原始信息中恢復(fù)隱含的包含較少的光線變化影響的人體生理PPG信號。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述對采集的視覺信息進行處理進一步還包括去除PPG信號中的奇異點，并對PPG信號進行濾波處理，提取隱含的BVP(Blood Volume Pulse，血容積脈搏波)信號。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述對處理后的信號分析以提取人體生理指標(biāo)為利用處理后的BVP信號求取人體生理指標(biāo)心率fHK。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中具體方法為先進行三次樣條插值保證存在數(shù)據(jù)存在連續(xù)的一階微分值；取插值后的數(shù)據(jù)上一階微分最大值為特征點，利用所有相鄰特征點時間間隔計算心臟搏動平均時間f;利用如下公式計算心率Am =60/7O
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述對處理后的信號分析以提取人體生理指標(biāo)為利用處理后的BVP信號求取人體生理指標(biāo)呼吸率fKK。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中具體方法為對BVP進行頻域分析，取頻率范圍為[Rhl，Rh2]的高頻部分，利用峰值頻率/ W，得到呼吸率As =60 X Zhf^。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中以Ltl為邊長，L1為步長的滑動窗口重復(fù)處理，以實現(xiàn)連續(xù)的人體生理指標(biāo)監(jiān)測；同時檢測連續(xù)的L2時間內(nèi)是否有生理指標(biāo)異常；如果連續(xù)L2時間內(nèi)持續(xù)檢測到某一生理指標(biāo)異常，則啟動生理指標(biāo)異常報警；否則返回步驟(2)繼續(xù)監(jiān)測。
根據(jù)本發(fā)明進一步的發(fā)明目的，其中所述提取的人體生理指標(biāo)包括心搏動周期、 心率、呼吸率、心率變異性、呼吸性豆蘧心率不齊、血氧飽和度、心搏輸出量、血壓以及可由這些生理指標(biāo)分析得出的相關(guān)生理指標(biāo)中的至少一種。
根據(jù)本發(fā)明的另一發(fā)明目的，其中提供一種利用視覺信息自動檢測人體生理指標(biāo)的系統(tǒng)，其特征在于包括采集裝置，用于采集待測對象的視覺信息；處理裝置，用于對采集的視覺信息進行處理，具體包括選取視覺信息中需要的預(yù)定視覺信息，將所選取的視覺信息壓縮為適合使用的特定格式并存儲，對所選取的視覺信息進行預(yù)處理，對經(jīng)上述處理后的所述視覺信息進行處理，對上述處理結(jié)果進行分析以提取人體生理指標(biāo)，對處理后的信號分析以提取人體生理指標(biāo)；存儲裝置，用于存儲上述視覺信息及所獲得的各個中間信息、分析數(shù)據(jù)和最終結(jié)果；顯示裝置，用于對所提取的生理指標(biāo)返回顯示。
根據(jù)本發(fā)明的另一發(fā)明目的，其中提供一種利用視覺信息自動監(jiān)測人體生理指標(biāo)的設(shè)備，包括用于通過采集部件采集待測對象的視覺信息的采集裝置；用于對所選取的視覺信息進行處理的處理裝置；用于對上述處理結(jié)果進行分析以提取人體生理指標(biāo)的分析裝置；用于對所提取的生理指標(biāo)返回顯示的顯示裝置。
利用本發(fā)明提供的人體生理指標(biāo)檢測方法及系統(tǒng)，具有以下優(yōu)點可以實現(xiàn)人體生理狀況的無創(chuàng)、連續(xù)監(jiān)測以及多項生理指標(biāo)的同步檢測與協(xié)同分析。布線簡單，方便實現(xiàn)，只需要可以采集視覺信息的攝像頭等設(shè)備與基本的處理器即可實現(xiàn)生理狀況監(jiān)測，易于作為家庭醫(yī)療保健內(nèi)容推廣普及；智能精確，信號處理及基于流形學(xué)習(xí)提取脈搏波信號的方法保證了測量的可靠性。系統(tǒng)通過對處理信號的分析得到心率、呼吸率等多項生理指標(biāo)，并提供指標(biāo)異常預(yù)警，以及多項指標(biāo)的綜合分析結(jié)果。


圖I為本發(fā)明利用視覺信息實現(xiàn)人體生理指標(biāo)檢測的方法流程圖2為根據(jù)本發(fā)明提出方法實現(xiàn)人體生理指標(biāo)檢測系統(tǒng)的框架圖3為采集的原始信號對應(yīng)的信號分析結(jié)果圖4為對處理后的信號進行特征點提取及周期計算；
圖5為處理信號的頻域分析圖。
具體實施方式
以下通過具體的實施例對本發(fā)明的技術(shù)方案作進一步描述。
應(yīng)理解的是本發(fā)明提供的檢測方法能夠在不同的實例上具有各種變化，基于本發(fā)明思想的各種變化的實例皆不脫離本發(fā)明的范圍；且本發(fā)明中的附圖在本質(zhì)上作為說明之用，例如繪圖元件并不一定是按比例繪制也不限定特定的設(shè)備，描述特定順序或行為也不要求相于次序這樣的特定性。即本發(fā)明中的附圖只為解釋說明本發(fā)明的方法及系統(tǒng)，而非用以限制本發(fā)明。
實施例
本實施例中利用一臺計算機(Dell 0ptiplex790)外接攝像頭(Logitech C170) 錄制視頻以供分析。視頻數(shù)據(jù)以彩色(24位RGB，3信道8位/信道)、30幀每秒(fps)的速率、分辨率的格式采集，并以MEPG壓縮方法保存為AVI格式。附圖I為本發(fā)明方法的流程圖。附圖2為本實例的系統(tǒng)架構(gòu)圖。本實例的方法具體內(nèi)容如下
在攝像頭采集的視頻中利用Adaboost構(gòu)造的“Haar-like人臉檢測器”檢測每一中貞中的人臉區(qū)域。在下面的參考文獻(xiàn)中，Proceedings of the IEEE Conference on Image Processing,第 900-903 頁,2002 年的 R. Lienhart 和 J. Maydt.的 “An Extended Set of Haar-Iike Features for Rapid Object Detection”，提供了關(guān)于 Haar-like 人臉檢測器的詳細(xì)信息；所述采集視覺信息是在采集的視頻中檢測人臉圖像，并存儲視覺信息；所述人臉檢測方法的一個實例是利用Adaboost (Adaboost是一種迭代算法，它的前身是前身的Boosting算，其核心思想是針對同一個訓(xùn)練集訓(xùn)練不同的分類器(弱分類器)，然后把這些弱分類器集合起來，構(gòu)成一個更強的最終分類器)模型構(gòu)造Haar-Iik人臉檢測器， 檢測人臉區(qū)域，在下面的參考文獻(xiàn)中，Proceedings of the IEEE Conference on Image Processing,第 900-903 頁,2002 年的 R. Lienhart 和 J. Maydt.的 “An Extended Set of Haar-like Features for Rapid Object Detection”,提供了關(guān)于 Haar-like 人臉檢測器的詳細(xì)信息。其他實例包括膚色模型，PCA模型(Principal Component Analysis,主成分分析),ANN模型(Artificial Neural Networks,人工神經(jīng)網(wǎng)絡(luò))，SVM模型(Support Vectro Machine，多類支持向量機)等可用于檢測視頻圖像中人臉位置的模型。檢測視頻序列中的視頻幀是否存在人臉，并返回人臉位置信息。
人臉檢測器成功檢測到人臉時，返回包含人臉區(qū)域的矩陣框位置信息。存儲當(dāng)前幀下人臉區(qū)域每個色彩通道RGB所有像素值的平均值。若某一幀檢測人臉失敗，則以之前一幀的信息作為當(dāng)前存儲的視覺信息。連續(xù)I秒內(nèi)不能檢測到人臉則停止生理指標(biāo)檢測。 所述存儲的視覺信息具體是所述視頻幀中返回的人臉位置信息，或部分區(qū)為感興趣區(qū)域， 視頻彩色傳感器采集的RGB三通道像素的值；存儲視覺信息的方法具體是成功檢測到人臉時存儲以人臉為感興趣區(qū)域的視覺信息作為后續(xù)處理；若某一幀檢測人臉失敗，以上一幀的信息作為當(dāng)前存儲信息；連續(xù)I秒不能檢測到人臉則停止生理指標(biāo)監(jiān)測。
所述對采集的視覺信息進行處理為當(dāng)采集的視覺信息量達(dá)到監(jiān)測初始量U=60 幀時，利用流形學(xué)習(xí)方法從采集的原始信息中恢復(fù)隱含的包含較少的光線變化影響的人體生理PPG信號。
所述流形學(xué)習(xí)方法的一個實例是拉普拉斯特征映射算法。具體方法是利用采集的原始RGB作為輸入向量Xi(j) = (xi(j), X2(j), · · ·，Xn(j)) j=l, 2，3。
其中Xi(I)，Xi (2), Xi (3)分別表示在第i幀采集的R，G，B顏色通道的均值。將7采集的數(shù)據(jù)X輸入拉普拉斯特征映射算法模型。在下面的參考文獻(xiàn)中，2003年Neural Computation 的 15 (6)期第 1373-1396 頁，Belkin M和 Niyogi P.白勺“Laplacian Eigenmaps for Dimensionality Reduction and Data Representation”,提供了關(guān)于拉普拉斯特征映射算法的原理。詳細(xì)步驟敘述如下1、構(gòu)造鄰接圖G:當(dāng)Xi是Xj中最近的k個點中的一個,或Xi是Xj最近的k=12個點中的一個，則認(rèn)為他們是相鄰的，即Gij有邊,Wij=I0否則Gij無邊,wfO。2、構(gòu)造權(quán)值矩陣Wij:如果Xi和Xj相鄰,令Wij=I ；Xi和Xj不相鄰,則令wfO。3、計算低維潛入Y:應(yīng)圖G中每個連通的區(qū)域計算方程Ly= λ Dy的特征值和特征向量。其中= D-W為拉普拉斯矩陣，λ為輔助參數(shù)。
拉普拉斯特征映射算法是所述的流形學(xué)習(xí)方法的一個實例。其他實例包括等距映射(Isomap)，局部線性嵌入(Locally Linear Embedding, LLE),局部切空間排列(Local Tangent Space Alignment, LTSA),最大方差展開(Maximum Variance Unfolding, MVU), 線性保持投影(Linearity Preserving Projection, LPP)等,任意一種通過獲取數(shù)據(jù)集內(nèi)所蘊含的幾何信息來進行數(shù)據(jù)分析，通過有限點集合來計算嵌入在高維空間中的流形的方法。
處理后的數(shù)據(jù)結(jié)果見附圖4。
所述對采集的視覺信息進行處理還包括對提取PPG信號進行數(shù)據(jù)預(yù)處理，去除 PPG信號中的奇異點，并對PPG信號進行濾波處理，提取隱含的BVP (Blood Volume Pulse, 血容積脈搏波)信號。“奇異點”具體定義為大于(或小于)平均值Q=IO倍的數(shù)值。除去點后利用相鄰兩點的平均值對奇異點的空缺位置進行插值。
所述的濾波處理包括移動均值濾波、中值濾波、高斯濾波、最小均方差濾波、 Gabor濾波，高通濾波，低通濾波，帶通濾波中的任意一種或幾種。應(yīng)用本法發(fā)明方法的一個實例是使用移動均值濾波和漢寧窗帶通濾波。
所述對處理后的信號分析以提取人體生理指標(biāo)為利用處理后的BVP信號求取人體生理指標(biāo)心率fHK ;具體方法為先進行三次樣條插值保證存在數(shù)據(jù)存在連續(xù)的一階微分值；取插值后的數(shù)據(jù)上一階微分最大值為特征點，利用所有相鄰特征點時間間隔計算心臟搏動平均時間f;利用如下公式計算心率/冊=60.斤。
數(shù)據(jù)處理結(jié)果及特征點選取結(jié)果請參閱附圖4。
所述對處理后的信號分析以提取人體生理指標(biāo)為利用處理后的BVP信號求取人體生理指標(biāo)呼吸率;具體方法為對BVP進行頻域分析，取頻率范圍為[Rhl，Rh2]的高頻部分，選取[O. 1-0.6]赫茲作為高頻分析的有效頻率段，尋找高頻部分的峰值頻率fHF_，利用峰值頻率Jhf-，得到呼吸率/m =6O
本實例的高頻頻段信息請參閱附圖5。
以1^=60幀為邊長，L1=I秒為步長的滑動窗口重復(fù)處理，以實現(xiàn)連續(xù)的人體生理指標(biāo)監(jiān)測；同時檢測連續(xù)的L2 = 30秒時間內(nèi)是否有生理指標(biāo)異常；如果連續(xù)L2時間內(nèi)持續(xù)檢測到某一生理指標(biāo)異常，則啟動生理指標(biāo)異常報警；否則返回處理步驟繼續(xù)監(jiān)測。
所述提取的人體生理指標(biāo)包括心搏動周期、心率、呼吸率、心率變異性、呼吸性豆蘧心率不齊、血氧飽和度、心搏輸出量、血壓以及可由這些生理指標(biāo)分析得出的相關(guān)生理指標(biāo)中的至少一種。
綜上所述，本發(fā)明提出一種利用視覺信息實現(xiàn)人體心率和呼吸率的監(jiān)測方法及系統(tǒng)。只需基本的視覺信息采集設(shè)備即可實現(xiàn)人體生理狀況的無創(chuàng)、連續(xù)式監(jiān)測，可作為家庭醫(yī)療保健的項目大力普及。
雖然本發(fā)明已以優(yōu)選實例公開如上，然而所公開實例并非用以限制本發(fā)明的范圍?？梢岳斫庠诓幻撾x本發(fā)明的精神的情況下，在此可以產(chǎn)生各種附加、修改和替換。本領(lǐng)域普通技術(shù)人員很清楚在不脫離本發(fā)明的精神或本質(zhì)特性的情況下，可以以其他特殊形式、結(jié)構(gòu)、布置、比例、以及利用其他元件、材料和部件來實現(xiàn)本發(fā)明。本領(lǐng)域的技術(shù)人員將意識到本發(fā)明可以使用發(fā)明實際中使用的結(jié)構(gòu)、布置、比例、材料以及部件和其他的許多修改，這些修改在不脫離本發(fā)明的原理的情況下而特別適應(yīng)于特殊環(huán)境和操作需求。因此，當(dāng)前公開的實施例在所有方面應(yīng)被理解為說明性的而非對其請求保護的范圍的限制。
權(quán)利要求
1.ー種利用視覺信息自動監(jiān)測人體生理指標(biāo)的方法，包括 步驟(I):通過采集裝置采集待測對象的視覺信息并存儲數(shù)據(jù)； 步驟(2):對所選取的視覺信息進行處理； 步驟(3):對上述處理結(jié)果進行分析以提取人體生理指標(biāo)； 步驟(4):對所提取的生理指標(biāo)返回顯示。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，在進行所述采集視覺信息的步驟之前，先要檢測在采集部件鏡頭前是否有待測對象出現(xiàn)，當(dāng)檢測到待測對象時開始工作，該檢測手段可通過紅外、感光等手段實現(xiàn)。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述采集待檢測對象視覺信息還包括，選取視覺信息中需要的預(yù)定視覺信息，將所選取的視覺信息壓縮為適合使用的特定格式并存儲。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述采集待檢測對象視覺信息的方法是在采集的視頻中檢測人臉圖像，并存儲視覺信息；所述檢測人臉圖像的方法是使用基于Adaboost、膚色、PCA、SVM等中的至少ー種人臉檢測模型，檢測視頻序列中的視頻幀是否存在人臉，并返回人臉位置信息。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述存儲的視覺信息具體是所述視頻幀中返回的人臉位置信息，或部分區(qū)為感興趣區(qū)域，視頻彩色傳感器采集的RGB三通道像素的值；存儲視覺信息的方法具體是成功檢測到人臉時存儲以人臉為感興趣區(qū)域的視覺信息作為后續(xù)處理；若某ー幀檢測人臉失敗，以上一幀的信息作為當(dāng)前存儲信息；連續(xù)I秒不能檢測到人臉則停止生理指標(biāo)監(jiān)測。
6.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述對采集的視覺信息進行處理為當(dāng)采集的視覺信息量達(dá)到監(jiān)測初始量Ltl時，利用流形學(xué)習(xí)方法從采集的原始信息中恢復(fù)隱含的包含較少的光線變化影響的人體生理PPG信號。
7.根據(jù)權(quán)利要求6所述的方法，其特征在干，所述對采集的視覺信息進行處理進一歩還包括去除PPG信號中的奇異點，并對PPG信號進行濾波處理，提取隱含的人體血容積脈搏波BVP信號。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述對處理后的信號分析以提取人體生理指標(biāo)為利用處理后的BVP信號求取人體生理指標(biāo)心率fHK。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，具體方法為先進行三次樣條插值保證存在數(shù)據(jù)存在連續(xù)的ー階微分值；取插值后的數(shù)據(jù)上ー階微分最大值為特征點，利用所有相鄰特征點時間間隔計算心臟搏動平均時間f丨利用如下公式計算心率 /通=60/F。
10.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述對處理后的信號分析以提取人體生理指標(biāo)為利用處理后的BVP信號求取人體生理指標(biāo)呼吸率fKK。
11.根據(jù)權(quán)利要求10所述的方法，其特征在于，具體方法為對BVP進行頻域分析，取頻率范圍為[Rhl，Rh2]的高頻部分，利用峰值頻率/ W，得到呼吸率 /m =60x‘/hf一。
12.根據(jù)權(quán)利要求8-11所述的方法，其特征在干，以Ltl為邊長，L1為步長的滑動窗ロ重復(fù)處理，以實現(xiàn)連續(xù)的人體生理指標(biāo)監(jiān)測；同時檢測連續(xù)的L2時間內(nèi)是否有生理指標(biāo)異常；如果連續(xù)L2時間內(nèi)持續(xù)檢測到某一生理指標(biāo)異常，則啟動生理指標(biāo)異常報警；否則返回步驟(2)繼續(xù)監(jiān)測。
13.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述提取的人體生理指標(biāo)包括 心搏動周期、心率、呼吸率、心率變異性、呼吸性豆蘧心率不齊、血氧飽和度、心搏輸出量、血壓以及可由這些生理指標(biāo)分析得出的相關(guān)生理指標(biāo)中的至少ー種。
14.ー種利用視覺信息自動檢測人體生理指標(biāo)的系統(tǒng)，其特征在于包括 采集裝置，用于采集待測對象的視覺信息； 處理裝置，用于對采集的視覺信息進行處理，具體包括選取視覺信息中需要的預(yù)定視覺信息，將所選取的視覺信息壓縮為適合使用的特定格式并存儲，對所選取的視覺信息進行預(yù)處理，對經(jīng)上述處理后的所述視覺信息進行處理，對上述處理結(jié)果進行分析以提取人體生理指標(biāo)，對處理后的信號分析以提取人體生理指標(biāo)； 存儲裝置，用于存儲上述視覺信息及所獲得的各個中間信息、分析數(shù)據(jù)和最終結(jié)果； 顯示裝置，用于對所提取的生理指標(biāo)返回顯示。
15.ー種利用視覺信息自動監(jiān)測人體生理指標(biāo)的設(shè)備，包括 用于通過采集部件采集待測對象的視覺信息的采集裝置； 用于對所選取的視覺信息進行處理的處理裝置； 用于對上述處理結(jié)果進行分析以提取人體生理指標(biāo)的分析裝置； 用于對所提取的生理指標(biāo)返回顯示的顯示裝置。
全文摘要
本發(fā)明涉及一種利用視覺信息監(jiān)測人體生理指標(biāo)的方法和系統(tǒng)。所述方法包括以下步驟通過采集裝置采集待測對象的視覺信息并存儲數(shù)據(jù)；對所選取的視覺信息進行處理；對上述處理結(jié)果進行分析以提取人體生理指標(biāo)；對所提取的生理指標(biāo)返回顯示。所述的系統(tǒng)包括用于采集視覺信息的模塊；用于對采集的視覺信息進行處理的模塊；用于對處理后的信號分析以提取人體生理指標(biāo)的模塊。本發(fā)明實現(xiàn)人體生理狀況的無創(chuàng)、連續(xù)監(jiān)測以及多項生理指標(biāo)的同步檢測與協(xié)同分析，測量準(zhǔn)確度高，布線簡單，易于作為家庭醫(yī)療保健內(nèi)容推廣普及。
文檔編號A61B5/029GK102973253SQ20121042882
公開日2013年3月20日 申請日期2012年10月31日 優(yōu)先權(quán)日2012年10月31日
發(fā)明者田永鴻, 魏蘭, 黃鐵軍, 王耀威 申請人:北京大學(xué)