現(xiàn)實(shí)場(chǎng)景中非接觸式心率檢測(cè)方法研究

牟 睿，陳 鯨，楊學(xué)志，吳克偉，方 帥

1.合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院，合肥230009

2.工業(yè)安全與應(yīng)急技術(shù)安徽省重點(diǎn)實(shí)驗(yàn)室，合肥230009

3.合肥工業(yè)大學(xué) 科研院，合肥230009

隨著社會(huì)的發(fā)展，人們的生活水平在不斷提高，生活方式也發(fā)生了很大變化。人們?cè)絹?lái)越注重自己的身體健康情況，生命科學(xué)已然成為了人類(lèi)研究的重點(diǎn)。心率是人體最基本也是最重要的生命特征，它反映人體健康水平，更是與人的心臟疾病密切相關(guān)，因此心率檢測(cè)成為了解自身健康的重要手段[1]。傳統(tǒng)的接觸式檢測(cè)法中傳感器設(shè)備需要與人體皮膚接觸，無(wú)法滿(mǎn)足特定環(huán)境和特定人群的心率檢測(cè)。為了避免接觸，尋找一種基于視頻的心率檢測(cè)技術(shù)具有重要意義?；诔上袷焦鈱W(xué)體積描記技術(shù)（imaging photoplethysmography，IPPG）來(lái)進(jìn)行心率檢測(cè)是最多的一類(lèi)不依賴(lài)于硬件的心率檢測(cè)方法[2]。IPPG 是一種利用血液中血紅蛋白對(duì)不同波段的光線(xiàn)吸收不同，通過(guò)測(cè)量傳輸或反射回來(lái)的光線(xiàn)變換來(lái)提取血容量脈沖，進(jìn)而檢測(cè)心率的一類(lèi)代表性、非接觸和低成本的心率測(cè)量方法。但這類(lèi)方法需要被測(cè)試人員處于光照穩(wěn)定的環(huán)境中。若干學(xué)者將心沖擊描記技術(shù)應(yīng)用于非接觸式的心率測(cè)量中[3]，BCG克服了IPPG需要穩(wěn)定光照的缺點(diǎn)，并且具有非接觸式的特點(diǎn)，僅需成像設(shè)備采集一段視頻就能進(jìn)行心率檢測(cè)。

文獻(xiàn)[4]創(chuàng)新性地提出了一種基于BCG原理的非接觸式心率測(cè)量方法。該方法從一段記錄頭部運(yùn)動(dòng)的視頻中，通過(guò)追蹤大量特征點(diǎn)后使用主成分分析來(lái)講軌跡分解成一系列的主成分，進(jìn)而提取心率。然而，由于文獻(xiàn)[4]只使用了Y軸方向上的軌跡成分信號(hào)進(jìn)行分析，因此往往需要跟蹤多達(dá)500～1 000個(gè)特征點(diǎn)的運(yùn)動(dòng)。識(shí)別這些特征點(diǎn)，然后對(duì)大量的特征點(diǎn)進(jìn)行跟蹤將會(huì)需要很長(zhǎng)的求解運(yùn)行時(shí)間，難以滿(mǎn)足實(shí)際心率測(cè)量的需要[5]。文獻(xiàn)[6]通過(guò)框選臉部區(qū)域，定位出Shi-Tomas 角點(diǎn)[7]之后，采用KLT[8]跟蹤算法來(lái)進(jìn)行目標(biāo)點(diǎn)跟蹤，獲取人體頭部的運(yùn)動(dòng)軌跡信號(hào)，完成了基于單角點(diǎn)的心率檢測(cè)。雖然該方法克服了文獻(xiàn)[4]需要跟蹤大量特征點(diǎn)，但是在復(fù)雜的光照條件下，會(huì)增加角點(diǎn)計(jì)算的不可靠性導(dǎo)致算法魯棒性較差。文獻(xiàn)[9]提出了一種基于預(yù)決策金字塔層數(shù)的視頻微弱運(yùn)動(dòng)放大技術(shù)，對(duì)原始輸入視頻中的微弱運(yùn)動(dòng)（包括頭部運(yùn)動(dòng)）進(jìn)行放大，再對(duì)放大后的視頻進(jìn)行處理，從而提取心率信號(hào)，但該方法在放大頭部運(yùn)動(dòng)的同時(shí)也放大了視頻中其他噪聲信號(hào)，心率測(cè)量精度較低[10]。文獻(xiàn)[11]利用激光作為主動(dòng)光源，結(jié)合附著在頭部的平面鏡與人體身后的平面鏡，實(shí)現(xiàn)頭部運(yùn)動(dòng)的放大；同時(shí)利用加權(quán)質(zhì)心跟蹤算法提取頭部運(yùn)動(dòng)軌跡得到BCG信號(hào)。該方法需要較為復(fù)雜的實(shí)驗(yàn)環(huán)境和需要提前進(jìn)行距離的矯正，不便于實(shí)際心率測(cè)量的應(yīng)用。文獻(xiàn)[12]同樣通過(guò)追蹤多個(gè)特征點(diǎn)，取所有特征點(diǎn)垂直方向的平均位移值作為BCG 信號(hào)，最后通過(guò)改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解[13]（improved complete ensemble empirical modes decomposition，ICEEMD）對(duì)BCG 信號(hào)進(jìn)行處理獲取心率值。雖然該方法在靜態(tài)場(chǎng)景中利用ICEEMD獲得的脈搏波信噪比較小，但是在具有較多干擾的場(chǎng)景下，該方法的魯棒性較差。

針對(duì)上述方法的缺陷，現(xiàn)提出一種方法能夠克服光照干擾并能快速實(shí)現(xiàn)心率檢測(cè)SD-BCG，提高現(xiàn)實(shí)環(huán)境中視頻心率檢測(cè)的魯棒性。該方法通過(guò)方向可調(diào)濾波器過(guò)濾包含頭部運(yùn)動(dòng)信息的視頻信號(hào)獲得頭部在垂直方向上的振動(dòng)軌跡，計(jì)算振動(dòng)軌跡的相位差分信號(hào)，以此弱化光照變化及運(yùn)動(dòng)干擾對(duì)振動(dòng)檢測(cè)的影響。在此基礎(chǔ)上，通過(guò)帶通濾波和主要成分分析等方法從相位差分信號(hào)中分離出脈搏信號(hào)，并利用傅里葉變換從脈搏信號(hào)的頻率中提取心率。

1 本文算法

本文提出一種基于方向可調(diào)濾波器的頭部微小振動(dòng)檢測(cè)方法（SD-BCG）。該算法以頭部視頻為基礎(chǔ)，利用設(shè)計(jì)的空間方向可調(diào)濾波器提取豎直方向上的頭部微小振動(dòng)獲得頭部BCG信號(hào)。檢測(cè)心率的方法具體框圖如圖1所示。首先對(duì)輸入視頻進(jìn)行人臉檢測(cè)，選擇臉頰或者額頭ROI區(qū)域，將該區(qū)域所有像素點(diǎn)輸入空間方向可調(diào)濾波器中得到垂直方向的相位差信號(hào)，對(duì)其進(jìn)行時(shí)域帶通濾波得到包含心率信息的相位差信號(hào)，再使用主成分分析[14]（principal component analysis，PCA）對(duì)信號(hào)進(jìn)行降維處理，選擇最大頻率和其一次諧波占總功率譜百分比最大的信號(hào)，將該信號(hào)進(jìn)行心率計(jì)算就能得到心率值。

1.1 特征區(qū)域選擇

實(shí)驗(yàn)首先需要獲取人臉部區(qū)域的視頻，即選擇感興趣的區(qū)域（region of interest，ROI）。可以手動(dòng)或編程實(shí)現(xiàn)自動(dòng)地選取較小的區(qū)域，當(dāng)編程實(shí)現(xiàn)ROI 選擇時(shí)：實(shí)驗(yàn)使用OpenCV中的ViolaJones臉部檢測(cè)器[15]找到包含人臉的矩形區(qū)，如圖1 人臉檢測(cè)與特征提取提取所示，將眼球之間的距離定義為4d。那么ROI區(qū)域?yàn)榫鄡裳圻B線(xiàn)上方水平距離d，寬度為眼距中間3d，高度為3/2d的紅色矩形區(qū)域?？紤]到實(shí)驗(yàn)過(guò)程中被測(cè)人員會(huì)有不自覺(jué)的眨眼動(dòng)作，眼睛的微弱運(yùn)動(dòng)會(huì)影響實(shí)驗(yàn)的魯棒性，因此，實(shí)驗(yàn)把矩形區(qū)域的人眼綠色區(qū)域去掉，移除的人眼區(qū)域占整個(gè)矩形區(qū)域的20%到50%。

圖1 SD-BCG算法流程圖Fig.1 SD-BCG algorithm workflow

1.2 構(gòu)造空間方向可調(diào)濾波器與相位差信號(hào)提取

1.2.1 空間方向可調(diào)濾波器

實(shí)驗(yàn)方法需要提取豎直方向上頭部微小振動(dòng)，根據(jù)文獻(xiàn)[16]可知，可以通過(guò)讓圖像與可調(diào)濾波器卷積能夠獲取任意方向上圖像的細(xì)節(jié)信息。高斯的二階導(dǎo)數(shù)是光滑的并且與邊界非常相似，它可以寫(xiě)成成一個(gè)圓對(duì)稱(chēng)的窗函數(shù)和一個(gè)多項(xiàng)式的乘積。因此本文使用高斯的二階導(dǎo)數(shù)作為基函數(shù)，插值函數(shù)為高斯的二階導(dǎo)數(shù)在90°方向上對(duì)應(yīng)的常數(shù)。空間方向可調(diào)濾波器的一般表達(dá)式：

式中，q(x,y,θ)表示θ方向的濾波圖像，hi(x,y)表示基濾波器，ωi(θ)表示插值函數(shù)。

然后定義三個(gè)基濾波器hi(x,y)以高斯二階導(dǎo)數(shù)作為基函數(shù)，θ=0,π/3,2π/3 作為基濾波器的方向，則有表達(dá)式：

根據(jù)文獻(xiàn)[17]選插值函數(shù)ωi(θ)去掉所有非零項(xiàng)在去除實(shí)部和虛部得到等式：

對(duì)公式（5）進(jìn)行計(jì)算，得到：

由公式（2）～（4）和（6），對(duì)θ取90°，得到能提取豎直方向信息的空間濾波器，濾波器公式為：

將圖像與θ=π/2 方向上的濾波器做卷積運(yùn)算，可以有效地提取圖像在與θ=π/2 方向上的細(xì)節(jié)特征，這里就可以提取到每幅圖像豎直方向的相位信息。

1.2.2 相位差信號(hào)提取

上文設(shè)計(jì)的空間方向可調(diào)濾波器可以提取圖像豎直方向的相位信息，將視頻每幀卷積濾波器得到每幀的相位信號(hào)然后進(jìn)行算數(shù)處理得到相位差信號(hào)。假設(shè)視頻輸入信號(hào)在時(shí)刻t，以視頻中ROI 區(qū)域內(nèi)的1 個(gè)像素點(diǎn)為例，位置x處的像素，該像素點(diǎn)強(qiáng)度表示為I(x,t)，隨著時(shí)間的變換，像素豎直方向的位移變化導(dǎo)致像素點(diǎn)的強(qiáng)度發(fā)生變化，可以表示成如下公式：

式中，δ(t)表示豎直方向的運(yùn)動(dòng)幅度。首先，利用傅里葉級(jí)數(shù)分解，將位移圖像輪廓f(x-δ(t))表示成多個(gè)復(fù)雜的正弦曲線(xiàn)之和，具體公式如公式（9）所示：

其中，每一個(gè)子帶都對(duì)應(yīng)著1個(gè)頻率ω，?ω則代表著相位信號(hào)。根據(jù)FFT（fast Fourier transform，F(xiàn)FT）變換的平移性質(zhì)，可以計(jì)算出I(x,t)的傅里葉變換結(jié)果為：

對(duì)于上式中的每一個(gè)頻率ω，其復(fù)指數(shù)形式均如式（11）所示：

在t=0 的時(shí)候，相位是?ω，其他時(shí)刻的相位為?ω-ωδ(t)。將t≠0 時(shí)刻的相位與t=0 時(shí)刻的相位做減法，得相位差表示如下：

則點(diǎn)x處的相位差是ROI 區(qū)域所有像素點(diǎn)的1 維信號(hào)，500 是視頻幀的個(gè)數(shù)。然后計(jì)算ROI 中所有像素點(diǎn)的相位差信號(hào)，就完成了頭部相位信號(hào)的提取。

1.3 時(shí)域?yàn)V波

通過(guò)方向可調(diào)濾波器得到的頭部相位差信號(hào)包含多種組成成分，需要進(jìn)行時(shí)域?yàn)V波選擇出包含盡可能多心率信息的信號(hào)。通常在靜息條件下，一個(gè)正常成人心率在[0.75，2]Hz，也就是心跳每分鐘跳[45，120]次[18]。頻率在0.75 Hz 以下的信號(hào)主要由低頻運(yùn)動(dòng)導(dǎo)致，如呼吸和姿勢(shì)變化，需要舍棄這部分信息，頻率在[2，5]Hz的信號(hào)在后續(xù)實(shí)驗(yàn)過(guò)程峰值檢測(cè)中選擇中提供一次諧波信號(hào)，該部分信號(hào)需要保留?？紤]保留相位差信號(hào)的頻帶范圍，結(jié)合巴特沃斯濾波器具有最大平坦幅度的特性，選擇通頻帶為[0.75，5]Hz的5階巴特沃斯濾波器對(duì)頭部相位差信號(hào)進(jìn)行濾波，去除不包含心率信息的信號(hào)。頭部其中一個(gè)橡樹(shù)點(diǎn)的相位信號(hào)差如圖2（a）所示，經(jīng)過(guò)帶通濾波后相位信號(hào)差如圖2（b）所示。

圖2 相位差時(shí)域圖Fig.2 Wave in time domain of phase difference

1.4 主成分分析

經(jīng)時(shí)域?yàn)V波后的頭部相位差信號(hào)包含了由心血脈沖引起的頭部運(yùn)動(dòng)以及呼吸、前庭運(yùn)動(dòng)和其他面部表情變換等運(yùn)動(dòng)信號(hào)。必須將這種混合運(yùn)動(dòng)分解成子信號(hào)來(lái)隔離脈沖。將ROI 區(qū)域的所有像素點(diǎn)在每個(gè)幀上的多維位置作為一個(gè)單獨(dú)的數(shù)據(jù)點(diǎn)，并使用PCA 找到一組位置變化的主要維度。選擇一個(gè)維度，將數(shù)據(jù)點(diǎn)序列投影到該維度獲得心率的脈沖信號(hào)。

將每一個(gè)點(diǎn)的相位差信號(hào)作為1個(gè)樣本數(shù)據(jù)，組成1個(gè)輸入數(shù)據(jù)矩陣：

其中，t表示視頻幀數(shù)，N表示ROI分塊中的像素個(gè)數(shù)，N=60×60-20×20×2，共計(jì)2 800個(gè)像素點(diǎn)。

求輸入矩陣的協(xié)方差矩陣如式（14）、式（15）所示：

協(xié)方差矩陣的特征向量和特征值如式（16）所示：

式中，Λm為對(duì)角矩陣，對(duì)應(yīng)求出的特征為λ1,λ2,…,λN；Φm為對(duì)應(yīng)的特征向量，?1,?2,…,?m組成特征向量矩陣。

將特征向量按特征值的大小進(jìn)行從上到下的排列，取前T個(gè)特征值所對(duì)應(yīng)的特征向量，并組成矩陣QL。這里，T個(gè)特征值對(duì)應(yīng)著T個(gè)主要成分，其中參數(shù)T是通過(guò)計(jì)算主成分的貢獻(xiàn)率而得到的。T個(gè)主成分一一對(duì)應(yīng)的信號(hào)都可以通過(guò)對(duì)特征向量矩陣進(jìn)行反投影得到[18]，如式（17）所示：

視頻中有頭部在其中異常移動(dòng)，如吞咽、姿勢(shì)調(diào)整等動(dòng)作。這種移動(dòng)增加了位置向量的方差，從而影響PCA 分解。為了處理這個(gè)問(wèn)題，可以在執(zhí)行PCA 之前丟棄具有最大L2 范數(shù)的向量的百分比α。然而，所有最大L2范數(shù)仍然必須在投影步驟中使用用來(lái)產(chǎn)生完整的信號(hào)。實(shí)驗(yàn)表明，當(dāng)α等于25%時(shí)，能夠有效地消除頭部異常移動(dòng)帶來(lái)的影響，實(shí)驗(yàn)效果最佳。因此本實(shí)驗(yàn)α值設(shè)定為25%。

1.5 信號(hào)選擇

BCG頭部相位差信號(hào)通過(guò)帶通濾波和PCA主成分分析后得到需要從中提取出心率信息的特征向量。雖然排序靠前的主成分方差較小能夠解釋大部分心率信息，但是方差最小的主成分信號(hào)可能無(wú)法清晰地表示為心率信號(hào)，需要選擇周期性最強(qiáng)的主成分。實(shí)驗(yàn)證明原始相位差信號(hào)的98%以上的信息在前5個(gè)主成分，故選擇前5個(gè)主成分其中一個(gè)解釋為心率信號(hào)，然后計(jì)算主成分最大頻率和其一次諧波頻率相對(duì)于功率譜的占比，選擇占比最大的主成分，即為提取的脈搏波波形。所提取的脈搏波圖如圖3所示。

圖3 脈搏波示意圖Fig.3 Schematic diagram of pulse wave

1.6 心率計(jì)算

上文提取到代表心率信號(hào)的主成分信號(hào)。進(jìn)行呼吸率估計(jì)最常用的方法是用快速傅里葉變換（FFT）分析功率譜，最大功率對(duì)應(yīng)的頻率即為心率[19]。估算心率流程如下：

輸入視頻總幀數(shù)為N=500 幀，及一維信號(hào)長(zhǎng)度為500的脈搏信號(hào)y和功率譜p(f)，計(jì)算功率譜中峰值所對(duì)應(yīng)的頻率fmax。

根據(jù)公式（18）求得的最大頻率，計(jì)算心率值：

式中，HRy為心率值，實(shí)現(xiàn)心率檢測(cè)。

2 實(shí)驗(yàn)裝置和結(jié)果分析

2.1 實(shí)驗(yàn)裝置

實(shí)驗(yàn)裝置如圖4 所示。使用一個(gè)普通的網(wǎng)絡(luò)攝像頭連接筆記本電腦，攝像頭對(duì)準(zhǔn)人體頭部，距離被測(cè)人員1 m 左右距離。所有被測(cè)試人員需要靜止坐在固定椅子上，保持自然狀態(tài)。

圖4 實(shí)驗(yàn)場(chǎng)景Fig.4 Experimental scene

電腦通過(guò)Matlab 控制攝像頭錄制視頻。設(shè)置攝像設(shè)備采集圖像為RGB 彩色空間，幀率為30 frame/s，視頻分辨率為1 280×720，總計(jì)500 幀圖像。本文對(duì)40 位測(cè)試者進(jìn)行了對(duì)比實(shí)驗(yàn)，其中包括28 名男性和12 名女性，志愿者的年齡分布于18～60歲之間。在每次測(cè)試的時(shí)候，采集受測(cè)者的頭部視頻信息，同時(shí)使受測(cè)者佩戴基于指尖的PWS-20D 脈搏波檢測(cè)設(shè)備，該設(shè)備采用光學(xué)體積描記術(shù)原理，基于指尖進(jìn)行脈搏波的采集，可以精確地采集受測(cè)者的脈搏波信息，在拍攝視頻時(shí)，使用該設(shè)備測(cè)量脈搏波作為參考值。

為了全面的估計(jì)本文提出SD-BCG，本文復(fù)現(xiàn)了文獻(xiàn)[4]、文獻(xiàn)[7]心率檢測(cè)算法作為對(duì)比分析，采用了5 個(gè)相關(guān)參數(shù)對(duì)其定量描述。

如果測(cè)得N組心率值和真實(shí)值數(shù)據(jù)，定義心率值與脈搏波檢測(cè)設(shè)備之間的誤差為eN=PBCG-Preal，其中PBCG為通過(guò)SD-BCG 測(cè)得的心率值，Preal為通過(guò)脈搏波檢測(cè)設(shè)備測(cè)得的心率值。

平均誤差Me表示對(duì)在N組實(shí)驗(yàn)數(shù)據(jù)，對(duì)誤差的絕對(duì)值求平均，用來(lái)表示其期望值，其計(jì)算公式：

標(biāo)準(zhǔn)方差Se表示N組實(shí)驗(yàn)數(shù)據(jù)的離散程度，其計(jì)算公式：

均方根誤差RMSE表示N組實(shí)驗(yàn)數(shù)據(jù)中檢測(cè)值與真實(shí)值的偏差，其計(jì)算公式為：

平均準(zhǔn)確率HRac表示N組實(shí)驗(yàn)數(shù)據(jù)中檢測(cè)值相對(duì)于真實(shí)值的準(zhǔn)確性，其計(jì)算公式為：

皮爾森相關(guān)系數(shù)ρ表示N組實(shí)驗(yàn)數(shù)據(jù)中檢測(cè)值與真實(shí)值的線(xiàn)性關(guān)系，其計(jì)算公式為：

2.2 實(shí)驗(yàn)裝置

2.2.1 抗光照變換能力的心率檢測(cè)

由于本文方法是基于頭部運(yùn)動(dòng)提取心率，所以在光照變化對(duì)實(shí)驗(yàn)結(jié)果影響較小。為了充分驗(yàn)證所提出的方法抗光照干擾的能力，在自然光、日光燈和室內(nèi)環(huán)境3個(gè)不同光照度環(huán)境下，按照上述實(shí)驗(yàn)步驟，對(duì)10位志愿者進(jìn)行非接觸式心率檢測(cè)，其中，每一種光照環(huán)境采集5組視頻，視頻長(zhǎng)度為20 s，幀率為30 frame/s，共計(jì)50 組數(shù)據(jù)，同時(shí)使用PWS-20S 脈搏波檢測(cè)儀同步檢測(cè)心率信息。結(jié)果如表1所示。

表1 不同光照條件下的心率檢測(cè)結(jié)果Table 1 Heart rate detection results under different light conditions

如表1 可知，在三個(gè)不同的光照強(qiáng)度下的Me低于1.6 beat/min，Se和RMSE低于2.3 beat/min，HRac和ρ都在94%以上。數(shù)據(jù)說(shuō)明：不同光照強(qiáng)度下，SD-BCG都可以準(zhǔn)確地檢測(cè)出心率，具有良好的準(zhǔn)確性和穩(wěn)定性。經(jīng)實(shí)驗(yàn)分析，本算法具有較好的對(duì)光照變化的抗干擾能力是因?yàn)樘崛CG 運(yùn)動(dòng)未利用亮度信息，場(chǎng)景變換導(dǎo)致性能略微變化其原因可能是：光照變換可能導(dǎo)致采集的視頻質(zhì)量較差，讓算法性能有輕微降低。

2.2.2 抗運(yùn)動(dòng)干擾能力的心率檢測(cè)

上述實(shí)驗(yàn)驗(yàn)證了本文方法的抗光照干擾能力，下面進(jìn)一步驗(yàn)證本文算法的準(zhǔn)確性和抗運(yùn)動(dòng)干擾的能力。在本次實(shí)驗(yàn)中，每位志愿者可以自由地左右小幅度搖晃頭部或者上下小幅度晃動(dòng)頭部，按照本文算法的實(shí)驗(yàn)步驟，在自然光條件下，對(duì)10名志愿者進(jìn)行非接觸式心率檢測(cè)，其中包括靜止?fàn)顟B(tài)的SD-BCG檢測(cè)和頭部輕微搖晃的SD-BCG檢測(cè)2組數(shù)據(jù)，同時(shí)使用PWS-20S脈搏波檢測(cè)儀同步檢測(cè)心率信息，每名受測(cè)者包括非接觸式和接觸時(shí)心率測(cè)量各3次，共60對(duì)數(shù)據(jù)。具體的實(shí)驗(yàn)結(jié)果如表2所示，為了進(jìn)一步直觀展示本文算法的準(zhǔn)確性和抗運(yùn)動(dòng)干擾的能力，使用Bland-Altman法和一元線(xiàn)性回歸法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行一致性分析，圖5展示了實(shí)驗(yàn)結(jié)果的散點(diǎn)圖。

表2 不同運(yùn)動(dòng)場(chǎng)景下的心率檢測(cè)結(jié)果Table 2 Heart rate detection results under different exercise scenarios

由圖5（a）可知，在靜態(tài)場(chǎng)景和動(dòng)態(tài)場(chǎng)景，通過(guò)SDBCG 檢測(cè)的心率數(shù)據(jù)集中在線(xiàn)性回歸線(xiàn)附近，動(dòng)態(tài)場(chǎng)景比靜態(tài)場(chǎng)景略微分散，線(xiàn)性回歸線(xiàn)的斜率接近1，表明SD-BCG 方法的檢測(cè)值與心率參考值相關(guān)性很強(qiáng)。由圖5（b）的Bland-Altman法對(duì)檢測(cè)結(jié)果進(jìn)行分析，靜態(tài)場(chǎng)景置信區(qū)間為[-2.348 6，2.456 1]動(dòng)態(tài)場(chǎng)景的置信區(qū)間為[-3.198 4，3.305 5]，說(shuō)明在靜態(tài)場(chǎng)景和動(dòng)態(tài)場(chǎng)景，SDBCG方法檢測(cè)心率與接觸式脈搏波測(cè)量設(shè)備具有很好的一致性。

圖5 結(jié)果散點(diǎn)圖Fig.5 Result scatter plot

由表2可知，靜態(tài)場(chǎng)景和左右晃動(dòng)場(chǎng)景下，Me小于3 beat/min，Se和RMSE均小于3.3 beat/min，HRac和ρ均大于0.95。實(shí)驗(yàn)數(shù)據(jù)表明：SD-BCG 的性能受左右運(yùn)動(dòng)相較于上下運(yùn)動(dòng)影響較小，更能抗左右方向上的運(yùn)動(dòng)干擾，能夠在運(yùn)動(dòng)干擾的條件下較為準(zhǔn)確完成心率檢測(cè)。

2.2.3 逐步實(shí)驗(yàn)

上述實(shí)驗(yàn)驗(yàn)證了SD-BCG 檢測(cè)心率的正確性和抗干擾的能力，下一步研究每個(gè)步驟的單獨(dú)貢獻(xiàn)。本次實(shí)驗(yàn)中，光照環(huán)境為自然光，志愿者保持靜止?fàn)顟B(tài)坐在攝像機(jī)前，對(duì)10位志愿者進(jìn)行非接觸式心率檢測(cè)，實(shí)驗(yàn)步驟按照表所示分別進(jìn)行，每種實(shí)驗(yàn)步驟進(jìn)行一次，采集3組視頻，同時(shí)使用PWS-20S 脈搏波檢測(cè)儀同步檢測(cè)心率信息。如表3所示。

表3 可知，實(shí)驗(yàn)步驟會(huì)影響本文算法的整體性能，缺少算法的步驟會(huì)對(duì)心率檢測(cè)結(jié)果產(chǎn)生嚴(yán)重影響。算法步驟中對(duì)實(shí)驗(yàn)結(jié)果Me的準(zhǔn)確率分別上升了3.38%、7.29%和1.52%，Mmax的準(zhǔn)確率分別上升了5.05%、7.28%和2.19%，其中對(duì)算法性能影響最大的步驟是PCA，影響最小的步驟是SS。經(jīng)實(shí)驗(yàn)分析：未經(jīng)PCA 處理的信號(hào)包含很多與心率信號(hào)無(wú)關(guān)的信息，帶通濾波并不能過(guò)濾這部分信息，經(jīng)PCA 處理后能夠較為準(zhǔn)確的心率信號(hào)，SS該步驟主要的作用是完成信號(hào)的篩選，對(duì)實(shí)驗(yàn)結(jié)果影響程度較低。

表3 對(duì)所提方法各步驟的檢測(cè)結(jié)果Table 3 Detection results for each step of proposed method

2.2.4 干擾環(huán)境下的對(duì)比實(shí)驗(yàn)

抗光照變換能力的心率檢測(cè)驗(yàn)證了SD-BCG 進(jìn)行心率檢測(cè)具有抗光照干擾的能力，抗運(yùn)動(dòng)干擾能力的心率檢測(cè)驗(yàn)證了SD-BCG 進(jìn)行心率檢測(cè)具有抗運(yùn)動(dòng)干擾的能力，為了進(jìn)一步驗(yàn)證SD-BCG

抗運(yùn)動(dòng)干擾和抗光照干擾的具體性能。設(shè)置了兩組實(shí)驗(yàn)，第一組實(shí)驗(yàn)為志愿者靜止坐在攝像機(jī)前，選擇不同的光照環(huán)境，第二組實(shí)驗(yàn)為穩(wěn)定的光照環(huán)境，志愿者坐在攝像機(jī)前方，允許自由地左右小幅度搖晃頭部。按上述實(shí)驗(yàn)步驟，完成SD-BCG 心率檢測(cè)，同時(shí)使用PWS-20S 脈搏波檢測(cè)儀同步檢測(cè)心率信息。為了充分驗(yàn)證所提方法抗運(yùn)動(dòng)干擾和抗光照干擾能力，在上述兩組實(shí)驗(yàn)場(chǎng)景中分別與文獻(xiàn)[4]、文獻(xiàn)[6]和文獻(xiàn)[12]進(jìn)行對(duì)比。其中文獻(xiàn)[4]利用LK 光流法追蹤頭部多個(gè)特征點(diǎn)獲取BCG 信號(hào)完成心率檢測(cè)，文獻(xiàn)[6]利用KLT 追蹤單個(gè)取Shi-Tomas 角點(diǎn)后通過(guò)KLT 光流追蹤角點(diǎn)Y軸坐標(biāo)獲得BCG 信號(hào)，文獻(xiàn)[12]利用LK 光流追蹤頭部多個(gè)特征點(diǎn)后對(duì)特征點(diǎn)信號(hào)進(jìn)行ICEEMD 處理獲得心率值。將實(shí)驗(yàn)結(jié)果與文獻(xiàn)[4，6，12]比較，對(duì)比結(jié)果如表4所示。

表4 干擾場(chǎng)景下的心率檢測(cè)結(jié)果Table 4 Heart rate detection results in disturbed scenes

根據(jù)表中數(shù)據(jù)分析，在有光照干擾或者運(yùn)動(dòng)干擾的實(shí)驗(yàn)場(chǎng)景下，本文所提出的方法Me均小于3 beat/min，Se和RMSE均小于3.5 beat/min，HRac和ρ均大于0.95。本文所提出的方法相較于獻(xiàn)[4，6，12]的方法在有光照干擾下，準(zhǔn)確率提高分別提高了8.28%、5.97%和4.44%在運(yùn)動(dòng)干擾下準(zhǔn)確率分別提高了11.86%、5.09%和4.76%。且各方面指標(biāo)均優(yōu)于相比于文獻(xiàn)[4，6，12]的方法，具有明顯優(yōu)勢(shì)，主要原因如下：

（1）本文方法是利用方向可調(diào)濾波器提取豎直方向上的相位信息，然后進(jìn)行帶通濾波過(guò)濾與心率信息無(wú)關(guān)的頻率，在通過(guò)主成分分析得到噪聲較小的心率信號(hào)。因?yàn)樘崛〉男盘?hào)是豎直方向的相位信號(hào)所以本文方法受光照影響程度低具有較強(qiáng)的抗光照干擾的能力，同時(shí)具有一定的抗運(yùn)動(dòng)干擾能力。

（2）文獻(xiàn)[4，6，12]都是利用運(yùn)動(dòng)追蹤獲取特征點(diǎn)的運(yùn)動(dòng)軌跡從而得到關(guān)于心率的BCG 信號(hào)，這類(lèi)方法對(duì)光照和運(yùn)動(dòng)干擾較為敏感，檢測(cè)精度隨之降低。雖然文獻(xiàn)[12]對(duì)信號(hào)進(jìn)行了進(jìn)一步的ICEEMD信號(hào)處理，去處了部分同頻噪聲干擾，可抗干擾能力與本文算法相比較弱。

3 結(jié)束語(yǔ)

非接觸式BCG心率檢測(cè)技術(shù)檢測(cè)微弱頭部運(yùn)動(dòng)聚焦在通過(guò)運(yùn)動(dòng)追蹤獲取運(yùn)動(dòng)信息。但是，由于運(yùn)動(dòng)追蹤本身存在的缺點(diǎn)，存在運(yùn)動(dòng)干擾、算法復(fù)雜度高和易受光照影響等問(wèn)題。針對(duì)以上問(wèn)題，提出一種基于頭部運(yùn)動(dòng)的非接觸式心率測(cè)量方法。該算法利用方向可調(diào)濾波器提取頭部運(yùn)動(dòng)的相位差信息，通過(guò)對(duì)相位差信息進(jìn)行濾波和主成分分析后計(jì)算出心率值。在多組實(shí)驗(yàn)數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)首先進(jìn)行了抗光照干擾實(shí)驗(yàn)和抗運(yùn)動(dòng)干擾實(shí)驗(yàn)驗(yàn)證了本文算法的抗干擾能力，接著分析了本文算法每步驟的貢獻(xiàn)度，實(shí)驗(yàn)證明主成分分析能夠有效的提高檢測(cè)正確率。最后與其他三種主流BCG檢測(cè)心率方法對(duì)比，有光照干擾下，準(zhǔn)確率提高分別提高了8.28%、5.97%和4.44%，在左右方向上的運(yùn)動(dòng)干擾下準(zhǔn)確率分別提高了11.86%、5.09%和4.76%。實(shí)驗(yàn)結(jié)果表明，本文在存在光照干擾和左右方向上的運(yùn)動(dòng)干擾下能夠有效提高心率檢測(cè)精度。在實(shí)驗(yàn)中發(fā)現(xiàn)，當(dāng)頭部存在豎直方向上的運(yùn)動(dòng)干擾時(shí)，本文方法效果沒(méi)有特別理想，在未來(lái)工作中會(huì)提高算法魯棒性。