一種利用手指圖像測量人體心率的方法

楊增印,馬建峰,孫 聰,黃德俊,葉春曉,陸地群

(1.西安電子科技大學(xué)計算機(jī)學(xué)院,陜西西安 710071; 2.西安電子科技大學(xué)技術(shù)物理學(xué)院,陜西西安 710071)

一種利用手指圖像測量人體心率的方法

楊增印1,馬建峰1,孫 聰1,黃德俊1,葉春曉1,陸地群2

(1.西安電子科技大學(xué)計算機(jī)學(xué)院,陜西西安 710071; 2.西安電子科技大學(xué)技術(shù)物理學(xué)院,陜西西安 710071)

在智能手機(jī)上,僅利用手機(jī)攝像頭采集手指顏色的變化圖像,實現(xiàn)人體心率的測量.采用圖像頻譜分割法對采集的手指圖像進(jìn)行濾波,結(jié)合3種像素包含的信息及包含的信息的差異性,利用3種像素功率密度譜加權(quán)計算出光電容積脈搏波.通過相隔點檢測波峰法檢測光電容積脈搏波信號,測出人體心率.將測量結(jié)果與標(biāo)準(zhǔn)儀器測量結(jié)果進(jìn)行對比,平均誤差為1.82%,與真實值的相關(guān)系數(shù)大于90%,證明了從手指圖像測量出人體心率參數(shù)的可靠性.將該測量方法應(yīng)用到手機(jī)上,能極大地方便慢性病人對自己健康狀態(tài)的監(jiān)控.

數(shù)字圖像處理;光電容積脈搏波;圖像頻譜分割;智能手機(jī);心率

在利用移動終端攝像頭實現(xiàn)人體生理參數(shù)的測量方面,國內(nèi)外已經(jīng)取得一定成果.Pelegris等[2]和Scully等[3]論證了在移動終端上,通過采集人體手指圖像實現(xiàn)人體心率測量的可行性.Pelegris等[2]利用手指圖像的全部信息,根據(jù)灰度值測量出人體心率參數(shù);Scully等[3]裁除手指圖像邊緣處誤差,利用裁除邊緣后的手指圖像的綠像素計算出光電容積脈搏波信號,實現(xiàn)人體心率、呼吸速率、血氧的測量;Lamonaca等[4]利用手指圖像的紅像素計算出光電容積脈搏波信號,利用光電容積脈搏波信號的標(biāo)準(zhǔn)差作為檢測光電容積脈搏波信號波峰的閾值,進(jìn)行心率的測量.

光電容積脈搏波信號包含了表征人體重要生理信息的光電容積脈搏波[5-8],在醫(yī)學(xué)上廣泛用于人體生理參數(shù)測量[9].使用智能手機(jī)獲得光電容積脈搏波信號時,通常通過手機(jī)攝像頭采集手指圖像,同時利用發(fā)光二極管燈進(jìn)行補(bǔ)光[10-12],在此基礎(chǔ)上計算光電容積脈搏波信號.當(dāng)前此類方法存在一些不足:直接利用選取的手指圖像計算光電容積脈搏波信號,引入了手指圖像中的噪聲信號,得到的光電容積脈搏波信號中包含噪聲誤差;僅利用手指圖像的綠像素或紅像素的某一種像素來計算光電容積脈搏波信號,忽略了其他兩種像素包含的光電容積脈搏波信號的信息[3-4],或直接利用灰度值來計算光電容積脈搏波信號,忽略了3種像素包含光電容積脈搏波信號信息的差異[2],不能真實反映光電容積脈搏波信號的變化;在檢測心率波峰時,主要利用相鄰點的幅值變化檢測波峰[2-4],容易受到變化平緩的波峰及光電容積脈搏波信號中靜脈波波峰的影響,遺漏變化平緩的波峰或?qū)㈧o脈波波峰誤檢測為波峰,造成測量結(jié)果不準(zhǔn)確.

筆者使用基于傅里葉變換(FFT)的分割法對采集的手指圖像進(jìn)行去噪,根據(jù)濾波后的手指圖像的功率密度譜計算光電容積脈搏波信號,再利用相隔點檢測波峰法,從光電容積脈搏波信號中計算出人體心率等生理參數(shù),實現(xiàn)對人體心率的高精確性測量.這種方法主要優(yōu)點包括:通過快速傅里葉變換處理手指圖像,在頻域上利用分割法對手指圖像進(jìn)行去噪,濾除由光源變化引起的噪聲誤差[13];利用3種像素的功率密度譜加權(quán)計算光電容積脈搏波信號,考慮了3種像素包含的信息及包含的信息的差異性,提高光電容積脈搏波信號計算的準(zhǔn)確性;利用相隔點檢測波峰法測量心率,避免了變化平緩的波峰及靜脈波波峰對波峰檢測的影響,提高了測量結(jié)果的準(zhǔn)確性.

1 利用光電容積脈搏波信號的心率測量方法

筆者提出的方法分為3步:圖像信號采集,光電容積脈搏波信號提取,人體參數(shù)測算.以下分別說明.

1.1 圖像信號的采集

利用手機(jī)攝像頭采集人體手指顏色變化的圖像,并利用手機(jī)的發(fā)光二極管燈進(jìn)行補(bǔ)光.手指輕貼手機(jī)攝像頭且保持不動,同時打開手機(jī)發(fā)光二極管燈,進(jìn)行連續(xù)拍照(過程類似文獻(xiàn)[2]中的圖1).由于手指很難長時間固定不動,因而縮短采樣時間有利于提高測量的精確性.同時為了保證采集足夠的手指顏色變化信息,又要求采樣時間不能小于最小采樣時間Tmin.因而采樣時間T為

其中,A為常數(shù),f為采樣頻率,λ是為了舍去采樣兩端的邊界數(shù)據(jù)而增加的采樣時間比例,Tmin的經(jīng)驗值一般為5 s.對采樣頻率為30 Hz的手機(jī),λ=0.1時心率采樣時間約為11 s(見圖1中S點).

圖1 采樣頻率與采樣時間關(guān)系圖

1.2 從手指圖像中提取光電容積脈搏波信號

光電容積脈搏波信號是光穿過皮膚后的強(qiáng)度變化,反映血管容積的波動過程,包含了人體循環(huán)系統(tǒng)、呼吸系統(tǒng)的生理信息,其中包含人體心率信息.

筆者提出的方法通過對手機(jī)攝像頭采集到的一系列圖像進(jìn)行信息提取,獲得光電容積脈搏波信號的采樣.具體地講,對于采集到的每張圖像,根據(jù)手機(jī)攝像頭的分辨率,將圖像中心區(qū)域提取出來,構(gòu)成每張圖像的小圖.對小圖進(jìn)行處理得到醫(yī)學(xué)光電容積脈搏波信號采樣的過程如下.

首先,對每張小圖進(jìn)行快速傅里葉變換處理,即

其中,X(w0,w1)為光電容積脈搏波信號的頻率響應(yīng),x(m,n)為圖像(m,n)像素點的像素值,M及N為圖像的像素數(shù),j為傅里葉變換后值的虛數(shù)部分.使用快速傅里葉變換減少了傅里葉變換中乘法運算的次數(shù),適用于計算資源有限的移動終端系統(tǒng)對光電容積脈搏波信號的實時處理.

其次,根據(jù)

計算圖像的二維傅里葉譜.其中,R(w0,w1)為頻率響應(yīng)X(w0,w1)的實部,I(w0,w1)為頻率響應(yīng)X(w0, w1)的虛部.

選取采集的手指圖像,如圖2(a)所示,進(jìn)行二維傅里葉變換,得到其傅里葉譜,如圖2(b)所示.由圖2 (b)可知手指圖像的頻譜能量集中分布在低頻區(qū)域,并隨著頻率的增高而逐漸降低.故將[w0,w1]的正半軸頻譜能量分為3段:[0,π/6]為高能量區(qū),[π/6,π/2]為中能量區(qū),[π/2,π]為低能量區(qū),[w0,w1]的其他半軸采用相同的劃分[13].

圖2 手指圖像的二維傅立葉譜及其頻譜分割圖

根據(jù)手指圖像的頻譜能量劃分,將手指圖像的二維傅里葉譜劃分為9個子帶.第9個子帶為高頻區(qū)域,即噪聲成分所在區(qū)域(如圖2(c)所示).為了有效地去噪,刪除第9個子帶頻譜.然后,計算k子帶的功率密度譜[]:

其中,Pk(k)為k子帶的功率密度譜,Nk及Mk為k子帶的像素數(shù),r、g、b為根據(jù)實驗確定的各像素的權(quán)重,具體計算方法見2.1.1節(jié).

小圖的功率密度譜為

其中,NM為整張圖像的像素總數(shù),P(i)為該小圖的功率密度譜.

P表示圖像功率密度譜變化,即被手指吸收后的發(fā)光二極管光強(qiáng)的變化,因而P代表了血管容積波動的醫(yī)學(xué)光電容積脈搏波信號.圖3(a)展示了實驗獲得的一位實驗者手指圖像的光電容積脈搏波信號,波峰對應(yīng)血管的收縮,即心臟的收縮,波谷對應(yīng)心臟的擴(kuò)張.圖3(b)為對應(yīng)的頻譜.

圖3 一位實驗者的光電容積脈搏波信號及頻譜

1.3 心率的測量算法

采用相隔點檢測波峰法測算人體的心率.根據(jù)光電容積脈搏波信號的原理知,光電容積脈搏波信號波峰對應(yīng)心臟的收縮,波谷對應(yīng)心臟的擴(kuò)張,利用峰值(或波谷)數(shù)每分鐘來測量人體的心率.由于受噪聲信號影響,光電容積脈搏波信號中存在變化平緩波峰(圖3(a)中A點)以及靜脈波波峰(圖3(a)中B點).對于前一種情況,根據(jù)P(n-1)+β＜P(n)且P(n)＞P(n+1)+β來確定點n處于一個波峰的位置[2-4],會遺漏波峰;對后一種情況,可能將靜脈波波峰誤檢測為光電容積脈搏波信號波峰.兩種情況都會給心率測量帶來誤差.筆者利用P(n-k)+β＜P(n)且P(n)＞P(n+k)+β來確定點n處于波峰位置,避免了變化平緩的波峰及靜脈波波峰的影響.其中P(n)為第n點的光電容積脈搏波信號的幅度;k為根據(jù)手機(jī)采樣頻率設(shè)定的參數(shù),通常要求E/4＜k＜E,其中E為每秒內(nèi)采集的圖像數(shù),由手機(jī)攝像頭的采樣頻率和人體心率范圍確定,具體選定過程見2.3.1節(jié);β為根據(jù)實際誤差選定的參數(shù),具體選定過程見2.1.2節(jié).

通過檢測光電容積脈搏波峰值實現(xiàn)人體心率測量的算法如下:

(1)Compute_HR() //N為圖像總張數(shù);

(2)count←0; //記錄波峰的個數(shù);

(3)Num[N]; //Num[N]記錄波峰點對應(yīng)圖像序列的序號;

(4)for n←1 to N;

(5) if(p(n-k)+β＜p(n)and p(n)＞p(n+k)+β&&n＜N);

(6) then count←count+1;

(7) Num(count)←n;

(8) n←n+k;

(9) else if(n＜N);

(10) then n←n+1;

(11)return HR=60*frame*(count-2)*(Num(count)-Num(2)) //HR為人體心率.

從第2個波峰開始計數(shù),避免了由檢測到n點是峰值點附近的點而引起的誤差.當(dāng)檢測完一個波峰后, n點將滿足P(n-k)+β＞P(n)且P(n)＜P(n+k)+β條件,故算法對波峰點不重復(fù)計數(shù);由于k＜E, P(n-k)與P(n+k)之間最多僅有一個波峰滿足條件,故算法不遺漏波峰.

根據(jù)周期函數(shù)的性質(zhì)及光電容積脈搏波信號的波峰特點知,由于k＞E/4,波峰點n的波峰平緩部分將包含在[n-k,n+k]區(qū)間內(nèi),該波峰點滿足P(n-k)+β＜P(n)且P(n)＞P(n+k)+β條件,故該波峰不會被遺漏;由于[n-k,n+k]區(qū)間距離大于E/2,光電容積脈搏波信號中的靜脈波波峰點n將滿足條件P(n-k)+β＞P(n)或P(n)＜P(n+k)+β,該波峰點不滿足P(n-k)+β＜P(n)且P(n)＞P(n+k)+β條件,防止了靜脈波波峰的影響;由于β值相對于相鄰兩點的幅度差值較大,光電容積脈搏波信號中由沖擊噪聲造成的假波峰(類似靜脈波波峰點)對應(yīng)的n點將不滿足P(n-k)+β＜P(n)且P(n)＞P(n+k)+β條件.因而該算法有效地減少了誤差的影響,相對傳統(tǒng)計算心率的方法準(zhǔn)確性更高.

2 實驗和結(jié)果分析

2.1 輔助參數(shù)的測量與選取

2.1.1 各像素權(quán)重選擇

由于發(fā)光二極管燈光為白光且光強(qiáng)保持不變,任一像素計算出的光電容積脈搏波信號的標(biāo)準(zhǔn)差將反映該像素穿過手指被血管吸收的變化程度,即該像素包含光電容積脈搏波信號的強(qiáng)度.故筆者利用各像素計算得到的光電容積脈搏波信號的標(biāo)準(zhǔn)差作為像素包含光電容積脈搏波信息的權(quán)重.

對每次測量,首先選取采集的10張連續(xù)手指圖像,利用各像素的功率密度譜分別計算光電容積脈搏波信號,再求各像素對應(yīng)光電容積脈搏波信號的標(biāo)準(zhǔn)差δr,δg,δb,將單位化的標(biāo)準(zhǔn)差作為各像素包含光電容積脈搏波信號的權(quán)重,得到本次試驗的權(quán)重值分別為:r=0.368 8,g=0.239 4,b=0.391 8.

2.1.2 閾值的選擇

本節(jié)主要介紹如何根據(jù)實驗選擇具體的β值,使之能有效地克服噪聲信號的影響,獲得精確的測量結(jié)果.實驗中選取5位實驗者,分別測量實際心率和采集手指圖像,按1.2節(jié)的方法獲取光電容積脈搏波信號,枚舉β值,找出實驗所得心率和實際值之間誤差最小時最大的β值(β值與實驗相對誤差關(guān)系如圖4所示),所得β值的最小值為該實驗中的β值.較大的β值保證根據(jù)P(n-k)+β＜P(n)且P(n)＞P(n+k)+β檢測的n點與峰值點更接近,在光電容積脈搏波信號無波動的情況下,n點即為峰值點,并且較大的β值能減少沖擊噪聲的影響.

2.2 光電容積脈搏波信號獲取的精確性

為了證明利用快速傅里葉變換處理裁除邊緣后的手指圖像能獲得更準(zhǔn)確的光電容積脈搏波信號,在采集實驗者的手指圖像的同時,用Oximeter設(shè)備采集實驗者的光電容積脈搏波信號,進(jìn)行實驗對比.

將手指圖像裁除邊緣后,用快速傅里葉變換對手指圖像進(jìn)行處理,按照1.2節(jié)的分割法對手指圖像進(jìn)行濾波,計算濾波后圖像的功率密度譜得濾波后的光電容積脈搏波信號.將結(jié)果進(jìn)行對比可知(圖5(a)),相對未進(jìn)行快速傅里葉變換處理的情況而言,進(jìn)行快速傅里葉變換處理后的光電容積脈搏波信號的測量值與Oximeter設(shè)備得到的光電容積脈搏波更相近,從而說明快速傅里葉變換的必要性[11].

圖4 β值與實驗相對誤差關(guān)系圖

圖5 一位實驗者的光電脈搏波

將按1.2節(jié)的濾波處理后的手指圖像,分別通過計算手指圖像的灰度值、綠像素、紅像素、功率密度譜獲得人體光電容積脈搏波信號.由各種計算方法結(jié)果(如圖5(b)所示)可知,用功率密度譜計算光電容積脈搏波信號相對更接近真實光電容積脈搏波信號,且峰值處更突出,綜合考慮各種像素包含的信息及權(quán)重時,獲取的光電容積脈搏波信號精度更高[11].

由于利用基于快速傅里葉變換的分割法濾除了手指圖像上的噪聲信息,有效地減少了圖像中噪聲信號的影響.結(jié)合手指圖像包含光電容積脈搏波信號的權(quán)重,利用3種像素的功率密度譜計算光電容積脈搏波信號,獲得的光電容積脈搏波信號與標(biāo)準(zhǔn)硬件設(shè)備獲得的光電容積脈搏波信號更接近,提高了實驗準(zhǔn)確性.

2.3 軟件實現(xiàn)及實驗結(jié)果分析

2.3.1 軟件實現(xiàn)及實驗環(huán)境的設(shè)定

在Android平臺上使用Java語言開發(fā)出了心率測量軟件,軟件基于2.1節(jié)獲得的最優(yōu)值β實現(xiàn)了第1節(jié)所述的采集、提取和測算方法,軟件界面如圖6所示.

在設(shè)備選擇方面,為了能有效地識別手指顏色微弱的變化,要求攝像頭分辨率在200萬像素以上.根據(jù)Nyquist采樣定律,手機(jī)攝像頭采樣頻率至少應(yīng)為10 Hz.本實驗中,使用HTC G9手機(jī)采集人體手指圖像,該手機(jī)攝像頭像素為500萬,設(shè)置的采樣頻率為30 Hz.由于正常人體心率RH為60～100跳動次數(shù)每分鐘(BPM),考慮個體差異,將RH范圍擴(kuò)展為30～150跳動次數(shù)每分鐘(BPM),實際中人體心率不可能超過該范圍.根據(jù)E= 60frRH,計算E為12～30張圖像,實驗中選定k=9,滿足Emax/4＜k＜Emin.當(dāng)手機(jī)采樣頻率更大時,該算法測量心率范圍會更大.

圖6 手機(jī)軟件界面

為說明實驗結(jié)果的精確性,在采集實驗者左食指圖像信息的同時,也使用現(xiàn)有醫(yī)學(xué)設(shè)備ECG對其右食指進(jìn)行采樣,測量實驗者的心率.實驗過程對10位實驗者站立、臥躺兩種狀態(tài)分別進(jìn)行10次測量,然后求出每位實驗者的測量平均值.

2.3.2 心率的測量結(jié)果

根據(jù)實驗方法,對人體手指進(jìn)行采樣,測量人體心率,并與ECG儀器測量結(jié)果進(jìn)行對比.

圖7展示了站立、躺臥兩種狀態(tài)心率測量值與實際值對比結(jié)果,最大誤差為4.22%,最小誤差為0%,平均誤差為1.82%,誤差的方差為0.0105%,與實際值的相關(guān)系數(shù)為91.49%,測量值與真實值非常相近.

圖7 實驗結(jié)果對比直方圖

2.3.3 誤差比較分析

根據(jù)實驗結(jié)果,與相關(guān)工作進(jìn)行對比分析,如表1所示.

表1 設(shè)備以及實驗結(jié)果對比表

從實驗結(jié)果與相關(guān)工作的對比分析可以看出,在相近的硬件條件下,針對不同個體,筆者提出的算法的平均誤差較小.

3 總 結(jié)

利用手機(jī)攝像頭采集手指圖像,通過圖像分割法對手指圖像進(jìn)行去噪,結(jié)合手指圖像的3種像素包含光電容積脈搏波信號的權(quán)重,利用功率密度譜計算出光電容積脈搏波信號,再采用相隔點檢測波峰法檢測光電容積脈搏波信號,在手機(jī)上實現(xiàn)了人體心率的測量,相比現(xiàn)有方法獲得了更高的測量精度.筆者提出的算法使得人們能夠利用手機(jī)特有的便攜性、普遍性,在不借助大型醫(yī)療設(shè)備的情況下,通過手機(jī)攝像頭測量人體的心率參數(shù),便于人們即時掌握健康狀態(tài).在當(dāng)前工作基礎(chǔ)上,未來工作將著重研究手機(jī)攝像頭特性對心率測量精度的影響,如攝像頭存在色差、分辨率與心率測量精度的關(guān)系.

[1]馬俊領(lǐng),王成,李章俊,等.基于PPG的心率和呼吸頻率的測量研究[J].光學(xué)技術(shù),2011,37(3):309-312.

Ma Junling,Wang Cheng,Li Zhangjun,et al.Study of Measuring Heart Rate and Respiration Rate Based on PPG[J]. Optical Technique,2011,37(3):309-312.

[2]Pelegris P,Banitsas K,Orbach T,et al.A Novel Method to Detect Heart Beat Rate Using a Mobile Phone[C]//Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Piscataway:IEEE,2010:5488-5491.

[3]Scully C G,Lee J,Meyer J,et al.Physiological Parameter Monitoring from Optical Recordings with a Mobile Phone [J].IEEE Transactions on Biomedical Engineering,2012,59(2):303-306.

[4]Lamonaca F,Kurylyak Y,Grimaldi D,et al.Reliable Pulse Rate Evaluation by Smartphone[C]//IEEE International Symposium on Medical Measurements and Applications Proceedings.Piscataway:IEEE,2012:234-237.

[5]Fleming S G,Tarassenko L.A Comparison of Signal Processing Techniques for the Extraction of Breathing Rate from the Photoplethysmogram[J].International Journal of Biological Sciences,2007,2(4):232-236.

[6]Millasseau S C,Ritter J M,Takazawa K,et al.Contour Analysis of the Photoplethysmographic Pulse Measured at the Finger[J].Journal of Hypertension,2006,24(8):1449-1456.

[7]Nijboer J,Dorlas J,Mahieu H.Photoelectric Plethysmography:Some fundamental Aspects of the reflection and Transmission Method[J].Clinical Physics and Physiological Measurement,1981,2(3):205-215.

[8]Comtois G,Salisbury J I,Sun Y.A Smartphone-based Platform for Analyzing Physiological Audio Signals[C]//38th Annual Northeast Bioengineering Conference.Piscataway:IEEE,2012:69-70.

[9]Humphreys K G.An Investigation of Remote Non-contact Photoplethysmography and Pulse Oximetry[D].Maynooth: National University of Ireland,2007.

[10]Kurylyak Y,Lamonaca F,Grimaldi D.Smartphone-Based Photoplethysmogram Measurement[M].Aalborg:River Publishers,2012:135.

[11]Grimaldi D,Kurylyak Y,Lamonaca F,et al.Photoplethysmography Detection by Smartphone’s Videocamera[C]// IEEE 6th International Conference on Intelligent Data Acquisition and Advanced Computing Systems.Piscataway: IEEE,2011:488-491.

[12]Jonathan E,Leahy M.Investigating a Smartphone Imaging Unit for Photoplethysmography[J].Physiological Measurement,2010,31(11):N79.

[13]鐘微,謝雪梅,石光明,等.一種靈活的圖像頻譜分割與去噪方法[J].西安電子科技大學(xué)學(xué)報,2007,34(6):395-398.

Zhong Wei,Xie Xuemei,Shi Guangming,et al.Image Spectrum Segmentation and De-noising Based on Multi-channel Nonuniform Filter Banks[J].Journal of Xidian University,2007,34(6):395-398.

[14]va de Vegte J.數(shù)字信號處理[M].尹霄麗,譯.北京:電子工業(yè)出版社,2004:172-273.

(編輯:郭 華)

Measurement of human heart rate using finger pictures

YANG Zengyin1,MA Jianfeng1,SUN Cong1,HUANG Dejun1, YE Chunxiao1,LU Diqun2
(1.School of Computer Science and Technology,Xidian Univ.,Xi’an 710071,China; 2.School of Technical Physics,Xidian Univ.,Xi’an 710071,China)

On the smart phone,a phone camera is used to capture finger images to achieve heart rate measurements.First,we apply the spectrum division method to filter the collected finger images,and then use the weighted power density spectrum of the three pixel to calculate the PPG(PhotoPlethysmoGraphy), based on the information and its differences contained in the three pixels.Then we apply the peak detection method based on the detection of the separated PPG signal to measure the heart rate.Comparing the measured results and the standard results,the average error is 1.82%,and the correlation of the true value is greater than 90%,indicating the reliability of heart rate measurement on finger images.The application of the method can greatly facilitate the convenience of chronic disease monitoring.

digital image processing;photo plethysmo graphy;image spectrum segmentation;smartphone; heart rate

TP317.4

A

1001-2400(2014)05-0091-07

2013-05-20< class="emphasis_bold">網(wǎng)絡(luò)出版時間:

時間:2014-01-12

國家自然基金委員會廣東聯(lián)合基金重點基金資助項目(U1135002);國家科技部重大專項資助項目(2011ZX03005-002);陜西省自然科學(xué)基礎(chǔ)研究計劃資助項目(2013JQ8036);中央高?；究蒲袠I(yè)務(wù)費資助項目(JY10000903001,JB140309);長江學(xué)者和創(chuàng)新團(tuán)隊發(fā)展計劃資助項目(IRT1078);大學(xué)生創(chuàng)新性訓(xùn)練計劃資助項目(201210701058);國家自然科學(xué)基金資助項目(61303033)

楊增印(1988-),男,E-mail:lohafr@163.com.

http://www.cnki.net/kcms/doi/10.3969/j.issn.1001-2400.2014.05.016.html膚顏色產(chǎn)生微弱變化,因而可以利用光學(xué)設(shè)備采集由動脈活動引起的皮膚顏色變化信息,并根據(jù)采集的圖像計算人體參數(shù),從而降低人體參數(shù)采集的難度.近兩年來,在利用生物光學(xué)信息進(jìn)行人體生理特征測量方面已出現(xiàn)了一些研究成果,但其中大多數(shù)基于專業(yè)的測量設(shè)備[1],此類方法雖然可以獲得精確的數(shù)據(jù),但缺點在于設(shè)備費用較昂貴,不利于監(jiān)測的普及和推廣.同時,隨著移動終端技術(shù)的飛速發(fā)展,智能手機(jī)的便攜性、信息采集能力、計算能力和數(shù)據(jù)存儲分析能力的提升都使得其可以成為理想的體征監(jiān)測設(shè)備.因此,在移動終端平臺上研究用于人體關(guān)鍵體征監(jiān)測的算法就成為移動平臺應(yīng)用研究中的一個熱點.

10.3969/j.issn.1001-2400.2014.05.016

隨著我國老齡化人口的增加,慢性病問題日益嚴(yán)重.當(dāng)前慢性病的檢測主要依靠醫(yī)療機(jī)構(gòu)的專業(yè)醫(yī)療設(shè)備,病情監(jiān)測昂貴且難以及時進(jìn)行.因而對病人來說,如何及時、有效地監(jiān)測表征慢性病病情的關(guān)鍵身體指標(biāo)、了解自身的健康狀況就成為一個關(guān)鍵問題.現(xiàn)代醫(yī)學(xué)研究發(fā)現(xiàn),動脈的活動可以引起人體特定部位的皮