一种基于信号筛选的非接触血压估计方法

技术领域

本发明属于血压检测技术领域，涉及一种基于信号筛选的血压非接触估计方法。

背景技术

血压与人体健康息息相关，是评估人体心脏和血管功能状况的重要指标，同时更是评估人体健康情况的重要依据。有研究表明，高血压正成为造成心脑血管疾病的主要因素，被称为无声的死亡杀手，每年有大约13％的人死于高血压。传统血压检测方式需要用户在检测前佩戴袖带，使用过程中充气加压操作会降低用户的舒适性，同时由于血压易受生理周期、外界和内在等各种刺激而产生波动性，单次测量的结果无法准确反映人在一段时间内血压的变化情况，因而目前对于血压的非接触连续检测正在逐渐成为研究的热点。

目前血压的测量方式可分为有创式与无创式。其中，有创式是指测量时需要将导管穿刺入人体的动脉血管中，从与导管相连的传感器读数当前的血压值，该测量方式可连续监测人体血压变化且被医学界认为是血压检测的金标准，通常用于ICU等重症监护场所。然而该测量方式会对人体表皮组织造成创伤且测量时操作复杂且要求专业的医护人员，因而不适合日常的血压测量。无创式的血压检测方法主要有：听诊法、示波法、动脉张力法、容积补偿法、容积描记法。这些方法检测方式均为接触式，使用时需在人体相应部位装置袖带或传感器等设备，用户在使用时灵活度较差且负荷较高。

现阶段，非接触的血压检测技术正在成为研究的热点。比较有代表性有基于rPPG的血压估计方法，rPPG为一种脉搏波容积变化信号。有别于容积描记法，rPPG使用非接触的方式进行捕获，具体为通过摄像机采集近心端(常为面部)以及远心端(常为手掌)的双通道rPPG信号，进一步建立双通道rPPG信号的时滞(脉博波由近心端传输到远心端所需时间)与标定血压之间的回归模型以用于血压估计。在该方法中，时滞的计算准确度影响着最终的模型性能，而时滞的计算准确度与rPPG的信号质量息息相关。

然而，在实际检测场景下，尽管采取各种信号处理方法，现有的基于rPPG的血压估计方法中所提取的rPPG仍然容易受到噪声的影响而造成信号整体或局部扭曲，影响时滞提取准确度进而影响最终的血压估计性能。

发明内容

要解决的技术问题

本发明针对在实际场景下，现有的基于rPPG的非接触血压估计方法中所提取的rPPG仍然容易受到噪声的影响而造成信号整体或局部扭曲，影响时滞提取准确度进而影响最终的血压估计性能的缺点，提出一种基于信号筛选的非接触血压估计方法。采用分段信号筛选机制改进非接触时滞提取方法，提高时滞与标定血压关联度以及提取鲁棒性，方便构建高性能的血压估计模型，提升血压估计效果。

技术方案

一种基于信号筛选的非接触血压估计方法，其特征在于步骤如下：

步骤1：利用摄像机同步拍摄人体的面部和手掌对应兴趣区域获取视频流；

步骤2：将视频流逐帧分离为图像帧后对其三通道分别计算灰度均值，进一步经去除非线性趋势、归一化、盲源分离、带通滤波后提取与心脏搏动相关程度最大分量作为rPPG，将由前述方法所获取的分别来源于额头兴趣区域与手掌兴趣区域的rPPG信号组合为双通道信号序列；

步骤3：使用滑动窗口分窗口将双通道信号序列划分信号段，构建包含有频率比对、置信比、信噪比、峰高差以及脉宽差的五维度筛选层以筛选高可靠的信号段；

步骤4：计算高可靠信号段段内双通道信号相位差后进一步转化为时间差，将所有由高可靠信号段所得时间差组合为时间差序列；

步骤5：计算时间差序列的众数作为实际时滞，将时滞与标定血压建立血压估计模型用于血压估计。

本发明技术方案更进一步的说：步骤1中，选取采样率为30帧每秒、分辨率为720P的摄像机分别提取面部额头区域以及手掌区域两个兴趣区域的视频流，其中，额头兴趣区域设置为长为180像素，宽为90像素的矩形,手掌兴趣区域设置为长为90像素，宽为90像素的矩形。

本发明技术方案更进一步的说：步骤3中，针对双通道rPPG信号序列同步使用窗口大小为120个采样点，滑动步长为60个采样点的滑动窗口将信号序列划分为信号段，每个信号段段内包括额头兴趣区域的rPPG与手掌兴趣区域的rPPG；构建包含有频率比对、置信比、信噪比、峰高差以及脉宽差五个维度的筛选层对信号段进行筛选以筛选出高可靠的信号段，筛选层内的筛选顺序依次为频率比对、置信比、信噪比、峰高差以及脉宽差，信号段段内的双通道信号均需依次满足这五个筛选维度，否则跳出当前筛选流程执行下一个信号段的筛选；

所述的频率比对指的是针对信号段内信号分别进行傅里叶变换求取功率谱中最大值所对应的频率，若双通道rPPG频率相同则进行置信比筛选，否则跳出当前筛选流程执行下一个信号段筛选；

置信比的计算公式为：

其中P

信噪比的计算公式为：

其中P

峰高差的计算公式为：

其中h

脉宽差的计算公式为：

其中w

本发明技术方案更进一步的说：步骤4中，针对所有满足筛选条件的可靠信号段，使用相位谱分别计算段内额头区域rPPG与手掌区域rPPG初相之间的相位差，使用

本发明技术方案更进一步的说：步骤5中，对时间差序列求取众数将其作为视频流中脉搏波由脸部传播到手掌处的实际时滞；为了便于众数的计算，首先对时间差序列进行由大到小的排序，接着使用金氏插补法计算时间差序列的众数，计算公式如下：

其中，M

有益效果

本发明提出的一种基于信号筛选的非接触血压估计方法，将双通道rPPG信号序列划分为信号段，使用包含有频率比对、置信比、信噪比、峰高差以及脉宽差的五维度的信号筛选层筛选高可靠信号段，进一步针对信号段提取的时间差序列求众数作为最终时滞。本发明所述方法提高了噪声干扰条件下基于双通道rPPG非接触提取时滞的准确性和鲁棒性，提升了噪声干扰下时滞与标定血压之间关联度，为基于rPPG的非接触估计血压方法中鲁棒且准确地提取时滞提供了解决方案，对未来构建高性能、高可靠的血压估计模型具有重要意义。

附图说明

图1是本发明一种基于信号筛选的非接触血压估计方法总体流程示意图。

图2是本发明实施例中利用摄像机同步拍摄人体面部和手掌对应兴趣区域获取视频流的示意图。

图3是本发明实施例中兴趣区域选取位置的示意图。

1为选定的额头兴趣区域，为长180像素、宽90像素的矩形。2为选定的手掌兴趣区域，为长90像素、宽90像素的矩形。

图4是本发明实施例中提取源于额头兴趣区域与手掌兴趣区域的rPPG组合为双通道信号序列的示意图。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明提供一种基于信号筛选的非接触血压估计方法，采用分段信号筛选机制改进非接触时滞提取方法，提高时滞与标定血压关联度以及提取鲁棒性，方便构建高性能的血压估计模型，提升血压估计效果。

如图1所示，一种基于信号筛选的非接触血压估计方法，包括以下步骤：

(1)利用摄像机同步拍摄人体的面部和手掌对应兴趣区域获取视频流。

在本发明实例中，信号采集示意图如图1所示，将采样率为30帧每秒、分辨率为720P的摄像机放置在30cm的支架上并置于桌面，参与者坐在可自动调节的调节椅上，通过调节座椅保持视线与摄像头平行。保持摄像头距离参与者面部1m，同时参与者竖直举起右手并保持右手手掌与人体面部下颌水平，采集过程中，眼睛需注视摄像头并保持手掌与面部尽量处于同一垂直面，视频画面中保证脸部和手掌同时出现。直接对人脸和手部提取rPPG计算量较大且容易受到人眨眼、面部抽动等无意识运动的干扰。因此本实例中，共选定两个兴趣区域，一个为位于额头的矩形区域，长宽分别设置为180像素以及90像素，另一个为位于手部手掌的正方形区域，长宽分别设置为90像素以及90像素。另由于人脸和手掌无法保持绝对意义上的静止即会存在无意识的运动，为了减小运动伪影对信号质量的影响，本发明对视频流中第一帧图像标定前述兴趣区域，使用KLT跟踪算法对两个兴趣区域进行跟踪。本实例中，分别针对两个兴趣区域同时连续采集40s的视频流。

(2)将视频流逐帧分离为图像帧后对其三通道分别计算灰度均值，进一步经去除非线性趋势、归一化、盲源分离、带通滤波后提取与心脏搏动相关程度最大分量作为rPPG，将由前述方法所获取的分别来源于额头兴趣区域与手掌兴趣区域的rPPG组合为双通道信号序列。

将视频流分离为连续图像帧，每个兴趣区域连续的图像帧R、G、B三通道平均灰度值的随时间的变化包含了与心脏搏动相关的rPPG以及噪声信息，通常被视作混合信号，其具体计算公式为：

其中W表示兴趣区域的宽度，L表示兴趣区域的长度，I

其中X

(3)使用滑动窗口分窗口将双通道信号序列划分信号段，构建包含有频率比对、置信比、信噪比、峰高差以及脉宽差的五维度筛选层以筛选高可靠的信号段。

环境噪声以及运动的干扰会扭曲rPPG的整体或局部区域造成时滞提取的困难进而影响血压检测。本实例中使用滑动窗口对双通道rPPG划分信号段，筛选信号序列中可用于后续时滞提取的可靠信号段。在本实例，滑动窗口大小设置为120个采样点，摄像机的采样率为30帧每秒，因此窗口中至少包含4秒的rPPG信号，滑动步长设置为60个采样点。本实例提出基于五个维度的筛选层对信号段进行可靠性筛选，筛选维度具体包括：频率比对、置信比、信噪比、峰高差以及脉宽差，信号段段内的双通道信号均需依次满足这五个筛选维度，否则跳出当前筛选流程执行下一个信号段的筛选。

频率比对指的是针对信号段内信号分别进行傅里叶变换求取功率谱中最大值所对应的频率，若双通道rPPG频率相同则进行置信比筛选，否则跳出当前筛选流程执行下一个信号段筛选。

置信比的计算公式为：

其中P

信噪比的计算公式为：

其中P

峰高差的计算公式为：

其中h

脉宽差的计算公式为：

其中w

(4)计算高可靠信号段段内双通道信号相位差后进一步转化为时间差，将所有由高可靠信号段所得时间差组合为时间差序列。

现有方法通过在时域层面比对双路信号关键特征点计算双通道信号序列之间的时间差，然而在存在噪声干扰时特征点容易发生偏移因而导致时间差计算的准确度会受到影响。本实例中，通过求取相位谱计算高可靠信号段段内双通道信号之间的相位差并将其转换为时间差，以减弱噪声干扰对时间差计算的影响。相位差转换为时间差的计算公式为：

其中，

(5)计算时间差序列的众数作为实际时滞，将时滞与标定血压建立血压估计模型用于血压估计。

步骤(4)中所得的少量时间差依然可能受到噪声的干扰而造成与实际时滞之间的偏差。为了排除干扰因素，本实例求取时间差序列的众数将其作为实际时滞。为了便于众数的计算，首先对时间差序列进行由大到小的排序，接着使用金氏插补法计算时间差序列的众数，计算公式如下：

其中，M

针对个体采集30组额头兴趣区域、手掌兴趣区域的视频流并提取其时滞，每组40秒，以及使用欧姆龙血压计同步采集舒张压以及收缩压作为标定血压。构建如下所示的血压估计模型：

其中A、B分别为与个体相关的特异性参数，PTT为单组视频流的最终时滞，BP为标定血压且共分为两种舒张压与收缩压，分别将舒张压与收缩压同时与时滞代入上述公式并利用最小二乘法拟合个体参数A、B以获取最终得血压估计模型，实现血压估计。