基于iPPG的非接触式心率测量方法研究*

刘 祎 欧阳健飞 闫勇刚

(天津大学 精密测试技术与仪器国家重点实验室，天津 300072)



基于iPPG的非接触式心率测量方法研究*

刘 祎 欧阳健飞 闫勇刚

(天津大学 精密测试技术与仪器国家重点实验室，天津 300072)

心脏的搏动引起血管内血液容量的脉动性变化，从而引起皮肤表面颜色发生不易被人眼观察到的细微变化。本文提出了一种基于图像光电容积脉搏波描记法(image Photoplethysmography, iPPG)的心率测量方法，使用普通摄像头非接触拍摄人的面部获取彩色视频，对其中的皮肤颜色变化进行放大并从中提取出血液容积脉搏波，从而计算出心率。通过实验和统计分析验证该方法与临床使用的脉搏血氧仪测量结果具有很好的一致性。由于该方法实现非接触式测量，避免了直接皮肤接触对被测者造成不适，且操作简单、成本低，可以用于日常心率监测和现代医疗设备的改进。

生物光学；iPPG；普通摄像头；非接触；血液容积脉搏波；心率

0 引言

近几年，罹患心血管疾病的人数不断增多，年龄层次也越来越低。心脑血管病就像颗不定时炸弹，随时都可能有致命的危险。有关资料显示，猝死90%的原因与心血管有关，其中心血管相关疾病、心肌梗塞占了大多数。心率是指心脏每分钟跳动的次数，是最基本的心血管参数之一。静息心率的增快被确定为引发心血管疾病的一项独立危险因素。大量临床研究证实，静息心率偏快的人，发生各种心血管疾病的危险明显增加，死亡率也高。及时准确地监测静息心率的变化能够有效预测心血管病，减少心梗、心脏猝死等的发病危险。

传统的心率测量方法有心电图法(Electrocardiogram,ECG),它需要被测者在身上粘贴电极或佩戴胸带，对被测者造成一定的刺激和不适。光学方法是工程中非接触测量常用的方法[1-2]。光电容积脉搏波描记法(Photoplethysmography,PPG)是一种使用光技术在活体组织中检测血液容积变化的无创式检测方法[3-4],主要被用于脉搏血氧仪。测量需要特定光源或红外波长的光和接触式的传感探头[5-7],虽然相比传统的心率测方法舒适度有所提高，但是仍然是接触式的测量，长时间测量仍会使被测者感到不适。最近研究者提出图像光电容积脉搏波描记法(image Photo plethysmography,iPPG),它是一种利用远距离非接触拍摄的视频获取PPG信号的方法。心脏收缩时，外围血容量增大；反之，心脏舒张时，外围血容量减小。由于血液比周围组织对光的吸收能力强，表面反射的光强度会随着心脏跳动呈现脉动性的周期性变化。研究表明通过摄像头探测人面部颜色变化可以获得PPG信号[8-10]。

目前的研究都是将视频中感兴趣区域(Region of Interest, ROI)中像素的红、绿、蓝颜色通道值分别逐帧做空间平均，然后用ICA[11]、PCA[12]、cICA[13]等方法从中提取出PPG信号，但是这些方法都是基于统计的方法，需要的数据量大，不能用于瞬时测量，且计算复杂、稳定性差。本文提出了一种利用局部空间滤波和时域滤波器将视频感兴趣区域颜色变化放大并从中提取出心率值的方法。首先对这一算法进行描述，然后进行多组实验验证其与商用脉搏血氧仪测量结果的吻合性。

1 基于iPPG的心率测量方法

1.1 实验过程

用普通家用摄像头(640×480，帧率为30帧/秒)拍摄240帧人脸视频，并以M-JPEG AVI格式保存。拍摄在室内进行，光源为日常工作所需自然光，在拍摄过程中被测者面对摄像头并避免有较大的运动，然后对视频进行处理，处理过程使用MATLAB编程实现。算法流程图如图1所示。

图1 算法流程图

为了避免图像背景的影响，需要进行人脸检测，由于人脸基本保持不动同时为了减少计算量，只需对第一帧进行人脸检测，这里采用Viola-Jones检测算法[14]和MATLAB自带的训练好的人脸分类模型库。由于眼睛的眨动会产生一定的干扰，只提取人脸下部的1/2部分作为感兴趣区域(如图2所示黑色框内为感兴趣区域)，得到的视频作为视频颜色变化放大算法的原始输入视频。

图2 感兴趣区域提取

1.2 视频颜色变化放大

受到欧拉视频放大技术[15]的启发，我们从流体力学中连续介质假设的角度出发，把每个像素点颜色值看做是时间的连续函数，对各像素点颜色值的时间序列进行带通滤波并放大。

如图3流程图所示，由于存在摄像头传感器噪声和量化噪声，微小的颜色变化可能被淹没，为了提高信噪比，在时域滤波之前对每帧图像进行低通滤波，这里，我们采用4层高斯模糊并进行降采样以减少计算量，时域滤波采用通带频率为1～8/6Hz(心率为60～80次/min)的理想带通滤波器，放大倍数a =50，算法流程图如图3所示。

图3 视频放大算法流程图

1.3 血液容积脉搏波提取

为了得到皮肤区域的脉搏波，我们在YCbCr彩色空间内设定阈值对1.2处理得到的视频逐帧进行皮肤区域检测[16]：

Y>80，77

(1)

式中，Y为亮度分量；Cb为蓝色色度分量；Cr指红色色度分量。

分离出人脸皮肤区域的YIQ通道，并按照式(2)对Y通道做空间像素平均，得到的信号xk(k=1,2,3…)即为提取的血液容积脉搏波BVP(Blood Volume Pulse)。

(2)

式中，xk为第K帧的有效值；xki为第K帧人脸皮肤区域的第i个像素点的值；m为第K帧人脸皮肤区域包含像素点的个数。

1.4 心率计算

用快速傅里叶变换对BVP进行能量谱分析，能量最高点对应的频率即为心跳频率f，心率可由式(3)计算得到。

HR=f×60

(3)

2 结果

图4(a)为不进行人脸定位和皮肤检测，直接对摄像头采集的原始视频进行颜色变化放大，像素汇集得到的Y通道血液容积脉搏波。按照上述方法得到的血液容积脉搏波如图4(b)所示，显然，对比可知，虽然由于皮肤检测模块的加入引入了一些噪声，但是这些噪声易于被滤除，且得到的脉搏波中脉搏成分更加明显，因此使用本文方法更有利于心率的准确提取。

脉搏波的能量谱图如图(5)所示，峰值点对应的频率f=1.255Hz，由式(3)计算得到心率HR≈75次/min。

图4 血液容积脉搏波

图5 血液容积脉搏波能量谱图

3 统计与数据分析

为了验证该算法的准确性，进行50组重复试验，在用本文方法拍摄视频的同时用商用脉搏血氧仪测量心率，选取较稳定的值作为血氧仪测量结果。使用Bland-Altman对最后得到的数据进行统计分析，得到95%的置信区间为[-2.8489,2.8889],如图6所示。因此可以认为本文方法和商用血氧仪测量结果具有很高的吻合度。

图6 Bland-Altman分析两种方法的吻合度

4 结束语

本文方法可以实现用普通摄像头测量心率，无创、非接触，避免了传统测量方法给被测者带来的不适，且操作方便、成本低，可以用于日常心率的监测，有利于心血管病的预防，早发现、早治疗，防止病情的恶化，对现代医疗设备的改进具有一定的意义，在当前个人电脑，摄像头等设备广泛普及的数字时代具有有较强的经济性和应用前景。

[1] 段振云，张思佳，赵文辉.基于机器视觉的齿轮齿廓偏差测量[J].计量技术,2014(6)

[2] 周红锋，宫爱玲.基于激光三角法反射式光路设计的小角度测量[J].计量技术,2014(6)

[3] Allen J.Photoplethysmography and its application in clinical physiological measure-ment[J].Physiological Measurement,2007:1-39

[4] 赵飞帆，方路平，陈仕骁.基于人脸视频测量脉搏方法的初步研究[J].生物医学工程学杂志，2012,29(5):876-879

[5] 马俊领，王成，李章俊，赵宏垚.基于PPG的心率和呼吸频率的测量研究[J].光学技术，2011,37(3):309-312

[6] 罗志昌，张松，杨益民，李雯旭.光电容积脉搏波描记法原理及其在临床上的应用[J].世界医疗器械，2000,6(9):41-47

[7] 聂冬，崔萌，朱贻盛，牛金海.无创光电容积脉搏波检测分析系统[J].北京生物医学工程，2012,31(1):77-80

[8] Verkruysse W, Svaasand L O, Nelson J S. Remote plethysmographic imaging using ambient light [J]. Opt. Express, 2008, 16(26):21434-21445

[9] Wieringa F P, Mastik F, and Van der Steen A F W. Contactless multiple wavelength photoplethysmographic imaging: a first step toward “spo2 camera” technology[J]. Annals of biomedical engineering, 2005,33(8):1034-1041

[10] Hu Sijung, Zheng Jia, Chouliaras Vassilios, Summers Ron. Feasibility of imaging Photo-plethysmography[C]. BioMedical Engineering and Informatics, 2008, 2: 72-75

[11] Poh M Z, McDuff D J, Picard R W, Advancements in noncontact, multiparameter physiological measurements using a webcam [J] , IEEE Trans. Biomed. Eng, 2011, 58(1):0018-9294

[12] Lewandowska M,Ruminski J,Nowak J.Measuring pulse rate with a webcam-A non-contact method for evaluating cardiac activity[C].Proceedings of the Federated Conference on Computer Science and Information Systems,Szczecin,2011:405-410

[13] Tsouri G R, Kyal S, Dianat S, Mestha L K. Constrained independent component analysis approach to nonobstrusive pulse rate measurements[J].Journal of Biomedical Optics, 2012, 17(7):077011

[14] Viola, Paul A and Jones, Michael J. Rapid Object Detection using a Boosted Cascade of Simple Features [C]. 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2001,1:511-518

[15] Wu H Y, Rubinstein M, Shih E, Guttag J, et al. Eulerian video magnification for revealing subtle changes in the world[C]. ACM Trans. Graph (Proceedings SIGGRAPH2012), 2012, 31(4)

[16] Mahmoud T M. A new fast skin color detection technique [J].World Academy of Science, Engineering and Technology , 2008, 19: 498-502

国家自然科学基金(NSFC 61178040)

10.3969/j.issn.1000-0771.2015.4.01