多種姿態(tài)下的人體呼吸率視覺(jué)檢測(cè)①

任國(guó)軍, 楊學(xué)志, 臧宗迪, 吳克偉, 王金誠(chéng)

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) 軟件學(xué)院, 合肥 230009)

隨著生活節(jié)奏的加快, 呼吸系統(tǒng)疾病已經(jīng)成為了嚴(yán)重危害人們身體健康的頻發(fā)病, 呼吸頻率與人體健康狀況息息相關(guān), 定期監(jiān)測(cè)呼吸率能夠有效預(yù)防呼吸系統(tǒng)疾病. 最初, 接觸式檢測(cè)是呼吸率檢測(cè)的主要方法,包括阻抗式、心電圖、溫度傳感器[1]、壓電傳感器[2]等. 現(xiàn)如今, 隨著計(jì)算機(jī)視頻圖像處理技術(shù)的不斷迭代和家用攝像機(jī)的逐漸普及, 非接觸式呼吸率檢測(cè)成為了未來(lái)呼吸率檢測(cè)領(lǐng)域的發(fā)展方向.

基于視頻的非接觸式呼吸率檢測(cè)的原理是先選定呼吸運(yùn)動(dòng)檢測(cè)區(qū)域, 通過(guò)提取檢測(cè)區(qū)域像素點(diǎn)的亮度或者相位變化波形間接得到了呼吸率. 相較于傳統(tǒng)的接觸式呼吸率檢測(cè), 非接觸式呼吸率檢測(cè)成本低廉、不會(huì)對(duì)檢測(cè)者造成不適. 不僅適合在普通醫(yī)院里進(jìn)行呼吸監(jiān)測(cè), 未來(lái)還可以廣泛應(yīng)用于家庭日常健康監(jiān)測(cè)之中. 基于視頻的呼吸率檢測(cè)方法存在兩個(gè)關(guān)鍵性問(wèn)題: 如何準(zhǔn)確的選定呼吸運(yùn)動(dòng)區(qū)域、如何提取出魯棒性強(qiáng)的呼吸信號(hào).

Alinovi等[3]提出使用亮度值提取呼吸信號(hào), 該方法首先使用歐拉視頻放大方法[4,5]放大呼吸運(yùn)動(dòng), 然后使用幀間差法確定呼吸運(yùn)動(dòng)區(qū)域, 最終求該區(qū)域的平均亮度值檢測(cè)呼吸率, 但是該方法基于幀差法的呼吸運(yùn)動(dòng)區(qū)域檢測(cè)對(duì)衣服紋理要求高、抗光照干擾能力差.霍亮等[6]方法使用相位的方法提取呼吸信號(hào), 該方法使用人臉檢測(cè)結(jié)合人體結(jié)構(gòu)確定人體胸腹位置, 然后求得該區(qū)域的相位信號(hào)檢測(cè)呼吸率, 上述研究都聚焦于人體坐在椅子上正對(duì)攝像機(jī)進(jìn)行呼吸率檢測(cè), 限制了呼吸率的檢測(cè)場(chǎng)景, 不適用于日常的家用健康監(jiān)測(cè). Siam等[7]提出利用運(yùn)動(dòng)特征點(diǎn)[8]亮度值總和提取呼吸信號(hào), 但是僅適用于人體平躺時(shí)的呼吸率檢測(cè). 劉今越等[9]近期提出一種基于歐拉視頻放大方法、光流法和像素亮度序列的提取呼吸信號(hào)方法, 該方法可以在不同睡姿下檢測(cè)呼吸率, 適用范圍廣. 但是歐拉視頻放大不僅會(huì)放大呼吸運(yùn)動(dòng), 也會(huì)放大圖像噪聲, 同時(shí)基于亮度序列的呼吸信號(hào)提取極易受到環(huán)境亮度變化的干擾, 都會(huì)造成檢測(cè)精度的降低.

針對(duì)上述文獻(xiàn)提出的方法中存在的檢測(cè)場(chǎng)景受限、檢測(cè)精度低的問(wèn)題, 本文提出一種利用圖像金字塔光流法和多尺度多方向相位信息的視頻呼吸率檢測(cè)方法. 通過(guò)圖像金字塔光流法獲得人體胸腹呼吸運(yùn)動(dòng)區(qū)域, 有效避免人臉檢測(cè)對(duì)檢測(cè)呼吸率時(shí)人體姿態(tài)的限制; 利用復(fù)可控金字塔提取多尺度多方向相位信息和幅度信息, 通過(guò)幅度信息對(duì)相位信息的加權(quán)增強(qiáng)了呼吸信號(hào), 并對(duì)提取到的信號(hào)進(jìn)行判斷, 得到魯棒性強(qiáng)的呼吸信號(hào); 最終通過(guò)峰值檢測(cè)得到呼吸率.

1 本文方法

本文提出了一種基于視頻分析的人體呼吸率檢測(cè)方法.該方法主要實(shí)現(xiàn)步驟如下: 1)采集人體呼吸視頻,利用基于圖像金字塔LK光流法處理視頻連續(xù)圖像得到運(yùn)動(dòng)前景區(qū)域[10], 選取其中最大連通區(qū)域作為初始呼吸運(yùn)動(dòng)區(qū)域; 2)利用復(fù)可控金字塔將視頻的每一幀圖像進(jìn)行多尺度分解, 得到多尺度多方向相位譜和幅度譜[11,12], 利用幅度譜對(duì)相位譜進(jìn)行加權(quán)得到相位-時(shí)間信號(hào); 3)對(duì)提取到的呼吸信號(hào)進(jìn)行判斷: 若信號(hào)主峰頻率在呼吸信號(hào)合理范圍內(nèi)(0.1–0.8 Hz)[6]并且主頻能量占比高則使用峰值檢測(cè)得到呼吸率, 否則回到步驟1重新選取視頻連續(xù)圖像進(jìn)行后續(xù)檢測(cè). 整體方法流程框圖如圖1所示.

圖1 本文方法框架圖

1.1 呼吸區(qū)域提取

胸腹部的一次起伏記為一次呼吸運(yùn)動(dòng), 光流法是常用的運(yùn)動(dòng)檢測(cè)算法, 劉今越等[9]通過(guò)光流法得到呼吸運(yùn)動(dòng)區(qū)域. 一般光流法需要滿足泰勒展開(kāi)故只能檢測(cè)小運(yùn)動(dòng)[13], 基于圖像金字塔LK光流法有效解決了這一問(wèn)題, 首先對(duì)兩幀圖像使用降采樣和低通濾波進(jìn)行分層處理, 下一層圖像是上一層圖像的1/4大小,因?yàn)閳D像分辨率的降低, 原本不滿足泰勒展開(kāi)的大運(yùn)動(dòng)在圖片分辨率降到一定程度的時(shí)候已經(jīng)成為了小運(yùn)動(dòng),然后先計(jì)算最底層分辨率最低圖像的光流作為上一層光流的初始值, 通過(guò)遞歸得到原始圖片的光流. 使用圖像金字塔光流法提取的呼吸運(yùn)動(dòng)光流場(chǎng)如圖2所示.

圖2 呼吸運(yùn)動(dòng)光流場(chǎng)

一般情況下, 室內(nèi)呼吸檢測(cè)時(shí)人體胸腹區(qū)域是視頻中運(yùn)動(dòng)最大的區(qū)域, 首先將光流場(chǎng)運(yùn)動(dòng)矢量轉(zhuǎn)化為二值化圖像; 然后對(duì)二值化圖像中的各連通域進(jìn)行標(biāo)記并且記錄大小; 因?yàn)槿梭w呼吸時(shí)胸腹部起伏具有運(yùn)動(dòng)范圍大、整體性的特點(diǎn), 所以最后選取其中最大連通域的最小外接矩形為最終的呼吸運(yùn)動(dòng)區(qū)域. 在提取呼吸區(qū)域時(shí)會(huì)因人體頭部的大幅晃動(dòng)或者視頻采集區(qū)域有其他人走過(guò)等原因造成呼吸區(qū)域提取錯(cuò)誤, 故在后續(xù)步驟會(huì)根據(jù)提取的呼吸區(qū)域信號(hào)對(duì)呼吸區(qū)域進(jìn)行判斷,判斷結(jié)果不合理則選擇3 s后的連續(xù)圖像提取呼吸區(qū)域.

1.2 呼吸區(qū)域相位信息提取

相位信息和亮度信息都是蘊(yùn)含在圖像中的重要信息. Ghiglia等[14]通過(guò)交換兩幅圖像的相位譜證明相位信息更加符合人類視覺(jué)感知特性, 具有高穩(wěn)定性優(yōu)勢(shì).同時(shí)相位信息的變化代表著運(yùn)動(dòng)信息, Wadhwa等[12]提出通過(guò)放大某一頻段相位信號(hào)實(shí)現(xiàn)視頻微小振動(dòng)放大, 取得了良好效果.

本文使用一維圖像的像素分布f(x)表征圖像相位與運(yùn)動(dòng)信息之間的關(guān)聯(lián), 考慮f(x)的Fourier級(jí)數(shù)展開(kāi)公式為:

其中,Aw為幅度譜系數(shù), e 是自然常數(shù),w為頻率, 將式(1)分解, 則每個(gè)頻率w對(duì)應(yīng)的Fourier級(jí)數(shù)展開(kāi)Sw(x)記為:

f(x+δ(t)) 表示圖像在δ (t)時(shí)間內(nèi)發(fā)生運(yùn)動(dòng)后的像素分布,f(x+δ(t))的Fourier級(jí)數(shù)展開(kāi)公式為:

同樣將式(3)分解, 則每個(gè)頻率w在時(shí)間點(diǎn)t對(duì)應(yīng)的Fourier級(jí)數(shù)展開(kāi)Sw(x,t)記為:

容易觀察得到:

由式(5)可得圖像在δ (t)時(shí)間內(nèi)發(fā)生的運(yùn)動(dòng)變化量,記相位變化量為Bw(x,t)=wδ(t), 它代表著圖像的運(yùn)動(dòng)變化量, 連續(xù)圖像的運(yùn)動(dòng)信息可以使用Bw(x,t)信號(hào)表示.

復(fù)可控金字塔是對(duì)圖像在頻域的多分辨率處理,其實(shí)質(zhì)是通過(guò)構(gòu)建一組不同尺度、不同方向的頻域?yàn)V波器對(duì)原圖像進(jìn)行頻域?yàn)V波[15]. 將視頻每一幀圖像進(jìn)行復(fù)可控金字塔分解, 得到一組不同尺度、不同方向的頻帶, 然后對(duì)各頻帶進(jìn)行傅里葉逆變換, 返回空間域,此時(shí)得到的像素點(diǎn)值會(huì)變成復(fù)數(shù), 可以提取出空域幅度和相位. 通過(guò)復(fù)可控金字塔得到輸入圖像在多尺度多方向相位譜和幅度譜基帶步驟如下所示:

1) 設(shè)輸入圖像的寬度為w, 高度為h,floor為向下取整, 設(shè)置方向數(shù)M為4, 則復(fù)可控金字塔尺度分解的總層數(shù)N為:

2) 復(fù)可控金字塔的帶通模板和多方向模板相乘得到一層多方向?yàn)V波器[16], 將帶通模板縮小為原來(lái)大小的1/4, 再與多方向模板相乘就得到了下一層多方向?yàn)V波器組, 最終得到N層多方向?yàn)V波器組.

3) 利用N層多方向?yàn)V波器組對(duì)輸入圖像進(jìn)行濾波得到N層多方向的圖像的復(fù)數(shù)譜, 繼而獲得N×M個(gè)包含相位信息的相位譜序列Si和包含幅度信息的幅度譜序列Ai, 其中i=1,2,···,N×M.

1.3 相位譜加權(quán)及相位差信號(hào)提取

輸入復(fù)可控濾波器的呼吸區(qū)域包含著呼吸運(yùn)動(dòng)信號(hào)和其他干擾信號(hào), 常見(jiàn)的干擾信號(hào)包括其他振動(dòng)源以及人體輕微晃動(dòng)帶來(lái)的相位噪聲等, 輸入圖像經(jīng)復(fù)可控濾波器濾波后得到的幅度譜突出了振動(dòng)區(qū)域的邊緣, 利用幅度譜對(duì)相位譜進(jìn)行加權(quán), 可以增強(qiáng)呼吸信號(hào),提高信號(hào)信噪比. 對(duì)于第i層第t幀圖像, 其對(duì)應(yīng)的幅度譜為Ai(x,y,t) 相 位譜為Si(x,y,t),G表示高斯濾波, 相位譜加權(quán)公式為:

相位差信號(hào)可以有效表征運(yùn)動(dòng)變化[17]. 對(duì)于一個(gè)幀數(shù)F、寬度w、高度h的輸入視頻, 通過(guò)復(fù)可控金字塔空間分解和相位譜加權(quán)得到了N×M層F幀的相位譜子帶序列, 然后將從第2幀開(kāi)始每1幀相位譜子帶序列與第1幀作差就得到了相位差信號(hào).

對(duì)于第i層第t幀圖像, 其對(duì)應(yīng)的相位譜寬度為wi、高度為hi、 子帶序列為Si(x,y,t), 則其第i層第2幀到第F幀的平均相位差信號(hào)為:

最后對(duì)N×M層的平均相位信號(hào)取均值得到初步的呼吸信號(hào)P[t], 提取的呼吸信號(hào)波形如圖3所示. 其中t=1,2,···,F-1:

圖3 本文方法提取的呼吸波形

1.4 信號(hào)判斷

本文在呼吸運(yùn)動(dòng)區(qū)域提取中將二值化光流矢量圖的最大連通區(qū)域作為呼吸區(qū)域, 在實(shí)際場(chǎng)景中, 卻可能因?yàn)樯眢w其他部位的大幅度晃動(dòng)、其他人走過(guò)攝像機(jī)等原因?qū)е潞粑鼌^(qū)域提取錯(cuò)誤, 故需要對(duì)提取信號(hào)的合理性進(jìn)行判斷.

記提取的呼吸信號(hào)為P[t] , 其中t=1,2,···,F-1,F為輸入視頻總幀數(shù), 則P[t] 的最大峰值頻率fmax和最大峰值能量占比α 分別為:

呼吸率的頻帶范圍在0.1–0.8 Hz, 若提取出的呼吸信號(hào)的最大峰值頻率fmax不在這一區(qū)間或者最大峰值能量占比 α ＜0.5則判定提取的呼吸信號(hào)不合理, 重新選取3 s后的連續(xù)兩幅圖像獲取呼吸區(qū)域并得到呼吸信號(hào).

1.5 峰值檢測(cè)

本文使用峰值檢測(cè)得到呼吸率, Ganfure[18]實(shí)驗(yàn)證明使用峰值檢測(cè)提取呼吸率相較于傳統(tǒng)的快速傅里葉變換方法總體上提升了11.61%的準(zhǔn)確率. 如果實(shí)驗(yàn)視頻時(shí)長(zhǎng)N秒, 檢測(cè)通過(guò)本文方法提取的呼吸波形有K個(gè)峰值, 則最終的呼吸率RR為:

2 實(shí)驗(yàn)分析

常見(jiàn)的人體呼吸率檢測(cè)姿態(tài)包括正坐、平躺、側(cè)躺、平趴4種, 本節(jié)將設(shè)計(jì)3組對(duì)比實(shí)驗(yàn)來(lái)驗(yàn)證本文在上述4種姿態(tài)下的呼吸率檢測(cè)的準(zhǔn)確性和魯棒性.實(shí)驗(yàn)過(guò)程中使用型號(hào)為YX-1207的壓電傳感器記錄呼吸波形作為實(shí)驗(yàn)真值, 如圖4所示. 再與劉今越等[9]方法進(jìn)行對(duì)比, 同時(shí)利用手動(dòng)框選呼吸區(qū)域與霍亮等[6]信號(hào)處理方式得到呼吸率作為對(duì)比. 3組對(duì)比實(shí)驗(yàn)實(shí)驗(yàn)設(shè)置分別為: 不同姿態(tài)下檢測(cè)準(zhǔn)確率測(cè)試、不同衣服厚度測(cè)試、不同時(shí)長(zhǎng)實(shí)驗(yàn)視頻測(cè)試.

圖4 YX-1207壓電傳感器記錄的呼吸波形

2.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)采用普通攝像機(jī)拍攝人體在不同姿態(tài)下的呼吸視頻, 分辨率為1280×720, 幀率為50 fps. 實(shí)驗(yàn)環(huán)境為室內(nèi), 實(shí)驗(yàn)者躺在泡沫墊上, 實(shí)驗(yàn)人體姿態(tài)包括正坐、平躺、平趴、側(cè)躺4種, 攝像機(jī)距離人體約1.2 m,同時(shí)使用筆記本電腦和型號(hào)為YX-1207的壓電傳感器記錄呼吸波形以及波形峰值數(shù)作為實(shí)驗(yàn)真值. 實(shí)驗(yàn)場(chǎng)景如圖5所示.

圖5 實(shí)驗(yàn)場(chǎng)景示意圖

實(shí)驗(yàn)使用呼吸信號(hào)波形的波峰數(shù)RPcal與記錄的真實(shí)呼吸次數(shù)RPreal做對(duì)比得到評(píng)價(jià)指標(biāo). 第1個(gè)評(píng)價(jià)指標(biāo)為真實(shí)值與測(cè)量值的平均誤差Me:

其中,N為測(cè)試用例數(shù), 第2個(gè)評(píng)價(jià)指標(biāo)是平均準(zhǔn)確率RPac:

第3個(gè)評(píng)價(jià)指標(biāo)是均方根誤差RMSE:

均方根誤差RMSE指標(biāo)代表著方法的魯棒性,RMSE越低則方法魯棒性越高.

2.2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)以YX-1207壓電傳感器記錄的呼吸波形峰值數(shù)作為真值并且復(fù)現(xiàn)文獻(xiàn)[6]方法以及文獻(xiàn)[9]方法進(jìn)行對(duì)比驗(yàn)證. 實(shí)驗(yàn)選取實(shí)驗(yàn)者在正坐、平躺、側(cè)躺、平趴4種姿態(tài)實(shí)驗(yàn)視頻各11組作為實(shí)驗(yàn)數(shù)據(jù)集,同時(shí)實(shí)驗(yàn)數(shù)據(jù)集中已經(jīng)剔除在以上方法中出現(xiàn)|RPcal-RPreal|＞3的視頻.

本文對(duì)人體正坐、平躺、側(cè)躺、平趴4種姿態(tài)使用圖像金字塔光流法提取出的呼吸運(yùn)動(dòng)區(qū)域如圖6所示.

圖6 多種姿態(tài)呼吸區(qū)域提取結(jié)果圖

表1是本文方法、YX-1207壓電傳感器以及對(duì)比方法在實(shí)驗(yàn)數(shù)據(jù)集下的呼吸率檢測(cè)實(shí)驗(yàn)結(jié)果. 表2所示是利用上文中3個(gè)評(píng)價(jià)指標(biāo)對(duì)表1中實(shí)驗(yàn)數(shù)據(jù)的分析結(jié)果. 表2單元格中的數(shù)據(jù)單位為:Me(bpm)、RPac(%)、RMSE(bpm), 其中bpm (breaths per minute)表示為每分鐘的呼吸次數(shù).

表1 YX-1207壓電傳感器及多種方法呼吸率檢測(cè)結(jié)果(bpm)

由表1和表2數(shù)據(jù)可知本文方法在人體正坐、平躺、側(cè)躺和平趴4種姿態(tài)下具有良好的呼吸率檢測(cè)性能, 相較于文獻(xiàn)[6]方法以及文獻(xiàn)[9]方法在人體正坐和平躺兩種姿態(tài)下的呼吸檢測(cè)平均誤差略有提升, 在人體側(cè)躺和平趴?jī)煞N姿態(tài)下的呼吸檢測(cè)準(zhǔn)確率有顯著提升. 文獻(xiàn)[9]方法通過(guò)視頻放大、普通光流法和亮度方法提取出呼吸信號(hào), 視頻放大會(huì)放大噪聲, 普通光流法難以提取準(zhǔn)確的呼吸區(qū)域并且基于亮度信號(hào)的呼吸信號(hào)提取容易受到光照變化的干擾以及噪聲的影響.文獻(xiàn)[6]方法在側(cè)躺和平趴?jī)煞N姿態(tài)下呼吸率檢測(cè)效果差, 因胸腹部區(qū)域運(yùn)動(dòng)起伏小, 呼吸信號(hào)微弱, 難以被提取. 本文采用圖像金字塔光流法的呼吸區(qū)域提取能夠減弱呼吸運(yùn)動(dòng)幅度大小以及噪聲對(duì)于呼吸區(qū)域提取的影響, 基于相位信號(hào)的呼吸信號(hào)經(jīng)過(guò)空間分解以及相位譜加權(quán)后有效去除了呼吸區(qū)域的噪聲并且增強(qiáng)了呼吸信號(hào). 另外, 本文方法在人體4種姿態(tài)下呼吸率檢測(cè)均方根誤差均顯著低于其他兩種方法.

表2 YX-1207壓電傳感器及多種方法實(shí)驗(yàn)數(shù)據(jù)分析結(jié)果

實(shí)驗(yàn)數(shù)據(jù)集在本文方法檢測(cè)出的呼吸波峰數(shù)和YX-1207壓電傳感器記錄值之間數(shù)據(jù)關(guān)系如圖7散點(diǎn)圖所示.

圖7 本文方法與記錄值對(duì)比

4散點(diǎn)圖中人體4種姿態(tài)下的實(shí)驗(yàn)數(shù)據(jù)集中于45度線周圍, 最差的數(shù)據(jù)誤差為2次/min, 表明本文方法在這人體4種姿態(tài)下的呼吸率檢測(cè)與YX-1207壓電傳感器的記錄值誤差很小.

2.3 方法穩(wěn)定性分析

本文方法目的在于實(shí)現(xiàn)準(zhǔn)確性高、魯棒性強(qiáng), 能適用于家庭健康監(jiān)測(cè)的呼吸率檢測(cè)方法, 為了驗(yàn)證本文方法穩(wěn)定性, 本節(jié)將進(jìn)行本文方法在不同衣服厚度和不同實(shí)驗(yàn)時(shí)長(zhǎng)下的方法穩(wěn)定性測(cè)試, 并與YX-1207壓電傳感器記錄值對(duì)比.

使用視覺(jué)方法檢測(cè)呼吸率, 衣服厚度會(huì)影響呼吸運(yùn)動(dòng)的起伏大小從而影響最終的檢測(cè)效果. 實(shí)驗(yàn)環(huán)境如圖5所示, 實(shí)驗(yàn)者穿上兩種不同厚度的衣服(T恤和毛衣)在人體正坐、平躺、側(cè)躺和平趴4種姿態(tài)進(jìn)行測(cè)試, 實(shí)驗(yàn)以平均準(zhǔn)確率RPac評(píng)價(jià)指標(biāo)為衡量標(biāo)準(zhǔn), 實(shí)驗(yàn)結(jié)果如表3所示, 其中表格單元格中的數(shù)據(jù)單位為:RPac(%).

表3中的實(shí)驗(yàn)結(jié)果可以看出當(dāng)實(shí)驗(yàn)者穿著毛衣時(shí)對(duì)比穿著T恤檢測(cè)平均準(zhǔn)確率僅有略微降低, 整體保持著高平均檢測(cè)準(zhǔn)確率. 原因在于本文方法使用多尺度多方向空間分解獲取了更多的圖像信息包括輪廓和細(xì)節(jié)部分, 基于相位的方法具有抗光照干擾和良好的抗噪性能[11], 同時(shí)利用空間分解得到的幅度譜對(duì)相位譜進(jìn)行加權(quán)增強(qiáng)了呼吸信號(hào), 提升了提取的信號(hào)魯棒性.

表3 不同衣服厚度本文方法檢測(cè)平均準(zhǔn)確率 (%)

使用視覺(jué)方法檢測(cè)呼吸率, 拍攝視頻的時(shí)長(zhǎng)也會(huì)影響呼吸率檢測(cè)最終的結(jié)果[6]. 實(shí)驗(yàn)環(huán)境如圖5所示,實(shí)驗(yàn)者在人體正坐、平躺、側(cè)躺和平趴4種姿態(tài)進(jìn)行測(cè)試實(shí)驗(yàn), 拍攝時(shí)長(zhǎng)分別為60 s、30 s、10 s. 實(shí)驗(yàn)以平均準(zhǔn)確率RPac評(píng)價(jià)指標(biāo)為衡量標(biāo)準(zhǔn), 實(shí)驗(yàn)結(jié)果如表4所示, 其中表格單元格中的數(shù)據(jù)單位為:RPac(%).

表4中的實(shí)驗(yàn)結(jié)果表明本文方法檢測(cè)平均準(zhǔn)確率隨著實(shí)驗(yàn)視頻時(shí)長(zhǎng)的減少而遞減, 而總體上的檢測(cè)平均準(zhǔn)確率較好. 原因在于本文方法使用圖像金字塔光流法提取呼吸運(yùn)動(dòng)區(qū)域定位準(zhǔn)確并且通過(guò)相位信號(hào)處理實(shí)現(xiàn)了突出呼吸運(yùn)動(dòng)信號(hào)、增強(qiáng)呼吸信號(hào)使得即使較少的數(shù)據(jù)量也能得到良好的檢測(cè)結(jié)果.

表4 不同時(shí)長(zhǎng)實(shí)驗(yàn)視頻本文方法檢測(cè)平均準(zhǔn)確率 (%)

2.4 長(zhǎng)時(shí)間的呼吸率檢測(cè)

本文方法目的在于檢測(cè)人體在短時(shí)間(2 min)內(nèi)的呼吸率, 當(dāng)檢測(cè)時(shí)間過(guò)長(zhǎng)時(shí)因人體呼吸率的不斷變化所以使用峰值檢測(cè)提取的呼吸率并不能真實(shí)反映人體在這一段時(shí)間內(nèi)的呼吸情況. 針對(duì)長(zhǎng)時(shí)間的呼吸率檢測(cè)每30 s使用本文方法得到一個(gè)呼吸率, 最終得到動(dòng)態(tài)的呼吸率. 這種方法可以有效反映出一段時(shí)間內(nèi)受測(cè)者的呼吸率變化情況, 可以有助于呼吸暫停綜合癥[19]等呼吸系統(tǒng)疾病的及時(shí)診斷. 實(shí)驗(yàn)環(huán)境如圖5所示, 在人體平躺姿態(tài)下進(jìn)行6 min的實(shí)驗(yàn), 并與YX-1207壓電傳感器記錄值做對(duì)比, 實(shí)驗(yàn)證明本文方法取得了良好的檢測(cè)效果, 實(shí)驗(yàn)結(jié)果如圖8所示.

圖8 動(dòng)態(tài)呼吸率檢測(cè)對(duì)比

3 結(jié)論與展望

本文提出一種多種姿態(tài)下的人體呼吸率視覺(jué)檢測(cè)方法. 首先, 利用圖像金字塔光流法得到人體呼吸運(yùn)動(dòng)胸腹部區(qū)域. 然后, 將視頻的每一幀圖像中呼吸區(qū)域輸入復(fù)可控金字塔進(jìn)行多尺度多方向空間分解, 得到每一幀圖像的多個(gè)尺度多個(gè)方向的幅度譜和相位譜, 使用幅度譜對(duì)相位譜進(jìn)行加權(quán)增強(qiáng)呼吸運(yùn)動(dòng)信號(hào), 接下來(lái)將每一幀的多個(gè)尺度多個(gè)方向相位譜進(jìn)行平均得到初步的呼吸信號(hào). 在此基礎(chǔ)上, 如果提取的呼吸信號(hào)主頻在呼吸信號(hào)頻段內(nèi)并且主頻能量占比高則使用峰值檢測(cè)得到最終的呼吸率. 本文以YX-1207壓電傳感器記錄值為參考值, 與兩種前沿的呼吸率檢測(cè)方法進(jìn)行了對(duì)比. 實(shí)驗(yàn)結(jié)果表明本文方法在人體正坐、平躺、側(cè)躺、平趴4種姿態(tài)下均具有良好的準(zhǔn)確性和魯棒性,拓寬了呼吸率檢測(cè)的應(yīng)用場(chǎng)景. 然而, 本文方法仍有改進(jìn)的空間. 如何減小相機(jī)晃動(dòng)、人體挪動(dòng)帶來(lái)的誤差,以及在有其他干擾振動(dòng)源的情況下準(zhǔn)確提取出人體呼吸區(qū)域, 將會(huì)是未來(lái)研究的重點(diǎn).