王宏宇
成都信息工程大学计算机学院,四川 成都610225
摘要：心率是四大生命体征中对人体健康状态变化反应最明显的一项，所以对日常监控的检测和监控很大程度上依赖于对心率的检测。本文应用了一种基于IPPG的非接触式心率检测方法，利用普通的家用摄像头，采集彩色的图像信号，并将采集到的彩色图像进行RGB通道分离后转换为灰度图像，然后均衡灰度图像上的对比度，通过设置平滑度参数防止抖动，找到ROI感兴趣区域，对信号滤波后使用FFT进行能量谱分析并进行心率的计算。实验结果显示，该方法在相对静止的环境下具有96.5%以上的准确度，本系统适用场景普遍，在一般家用环境即可进行心率的检测。同时，具有无创伤，无需佩戴相关传感器和使用便捷等特点，在日常应用中具有较大的推广前景。
关键词：心率检测；光电容积描记；血液容积脉搏波；图像处理；人脸识别；非接触式
1引言
随着社会的发展，现代化进程的加速，部分人的生活习惯改变以及受其他因素影响，使得心脑血管疾病发病率和死亡率逐年上升。《中国心血管健康与疾病报告2019》显示，中国有关心血管疾病的死亡数已经达到了肿瘤死亡人数的2倍，相关的医疗经济支出已经达到了千亿级别[1]。根据现代医学的研究，当人体静息心率（resting heart rate）超过90/分时，心血管疾病的发病率与心率速度呈正相关。而其中，绝大多数与心血管有关的疾病是可以进行合理防控和避免的[2]。所以对于使用方便，场景广泛，准确性高的用于日常心率检测方案的需求越发强烈。
常见的心率检测可分为接触式心率检测和非接触式心率检测，接触式心率检测包括传统的切脉法、心电描记术(Electrocardiography,ECG)、光体积变化描记图法(Photoplethysmography，PPG)，非接触式心率检测可包括热成像法、超声波多普勒法、成像式光电容积脉搏波描记法(image Photoplethysmography，IPPG)。接触式心率检测的主要问题在于测量场景受限且受设备限制较大，而非接触式心率检测的问题在于心率检测的准确度受其他外界因素影响较大。
但是随着计算机平台的升级和相机传感器的普及和应用，以及各种包括人脸识别和图像处理算法的成熟与发展，使得非接触式心率检测的实现成为可能，且具有较高的可靠性。
在非接触式心率检测相关技术中，成像式光电容积脉搏波描记法(IPPG)的光学原理和生理学原理使得非接触式心率检测成为可能。比尔-朗伯定律，作为非接触式心率检测的光学原理，决定了视频信号采集的差异度，光的吸收量与血管血液容积成正比。而人体自身由于毛细血管血液容积随脉搏周期性变化又成为了血液容积脉冲信号（BVP）信号提取的基础，通过对原始信号的进一步处理，可以得到较为清晰的BVP信号，进而对心率进行准确估计。
而另外一个在非接触式心率检测相关技术中关键的领域就是人脸识别与ROI感兴趣区域提取，人脸识别是对信号采集视频中人脸部分进行动态识别，动态识别的准确度和算法的效率在一定程度上影响了非接触式心率检测的抗干扰性、准确性和实时性。ROI感兴趣区域的提取，目的是能够选取人脸视频信号部分中含BVP信号较好的部分，另一方面也减少了视频信号的处理量，对ROI感兴趣区域信号进行提取后，进行下一步信号的处理和BVP信号的提取。
在非接触式心率检测中，对于BVP信号的提取主要分为数字滤波和盲源分离两种，考虑到运算效率和实时性等因素，本文选取了数字滤波的方式进行研究和实验。
本文的主要贡献如下：
（1）现阶段对基于IPPG的非接触式心率检测的研究和应用主要停留在对视频信号中的BVP信号进行提取，进而对心率进行估计，绝大多数文献和系统虽然能够准确的对心率进行估计，但并不具备良好的实时性，这无论是在临床医学还是在家用心率检测场景中都是需要改进和提升的，本文使用实验使用了普通家用摄像头和主机进行实时视频采集，用python实现了基于IPPG的非接触式实时心率检测系统，实验结果符合中国人民共和国医药行业标准要求。
（2）在本平台的系统实现阶段，本文针对基于小波变换的信号滤波和基于快速傅里叶变换的信号滤波进行了对比实验和分析，并得出了结论。
2技术背景
2.1 IPPG的原理
2.1.1 IPPG的光学原理
IPPG技术的光学原理是比尔-朗伯定律和光的散射理论。比尔-朗伯定律表现为：当吸光介质是透明介质时，介质的吸光程度和光线强度无关;吸光的分子数量越大，吸光量越高[4]。在IPPG技术中，光的吸收量正比于人体真皮层里血管血液容积。在基于IPPG的心率检测技术中，比尔-朗伯定律体现在，当人体真皮层中毛细血管的血液容积越大，对光的吸收量就越大。
2.1.2 IPPG的生理学原理
IPPG技术的基本原理是通过摄像头或其他成像设备，采集受试者的面部或其他部位的图像信息，记录由于脉搏引起的皮下毛细血管血液容量变化信息，通过对图像信息的处理和分析计算，得到较为可靠的BVP信号，从而对心率参数进行较为准确的估计。所以人体皮肤的组织结构是IPPG的生理学基础[3]。
2.1.3测量原理
理论上人体各个部位都能够通过IPPG的原理来进行非接触式心率检测，但由于人脸的皮下毛细血管最为丰富，血管血液容积随脉搏周期性变化较大，而根据比尔-朗伯定律克制，人脸部分的皮下毛细血管对光的吸收量相对其他部位变化较大，且随脉搏周期性变化，所以通常选取面部作为非接触式心率检测的部位，获取生理信号后进行预处理，滤波、计算和分析可以得到心率的估计值。使用普通家用摄像头进行非接触式心率检测信号采集的示意图如下。
.png)
2.2ROI感兴趣区域选取
对于IPPG技术，理论上能够处理任何部位因血管血液容积变化引起对光照吸收度的变化，所以正常情况下，人体其他部位也能够进行基于IPPG的非接触式心率检测[5]。但由于人体面部具有较为丰富的皮下毛细血管，血管血液容积随脉搏变化较大，对光照的吸收变化最为明显，且在实际的测量场景中最为广泛，所以通常采集面部的生理信号，进行血液容积脉搏波的提取[6]。
.png)
3基于IPPG的非接触式心率检测
4实验结果与分析
5.1实验范式
本实验采用普通家用主机（CPU：AMD Ryzen 5 2600GPU：AMD Radeon RX 570）和入门级摄像头（640*480 30fps）。
设置摄像头的分辨率为1080*720，帧率为30帧/s，被试正对摄像头在相对静止情况下保持15秒，测量设备和环境如图所示，分别通过FFT和小波滤波获得血液容积脉搏波，使用yuwell YX303脉搏血氧仪进行对照，利用能量谱分析计算心率。
.png)
视频图像信号处理用python编程实现，算法流程如下图所示，主要包括以下几个部分：人脸检测和ROI感兴趣区域提取；图像信号处理（RGB分离合并、灰度图像转化、图像灰度均衡）；信号源提取；基于小波变换和FFT的信号滤波；基于能量谱分析的心率计算。
.png)
5.2评价指标
为了对实验结果进行定性和定量的判断和分析，本文使用了以下几个评估指标进行评价：心率的估计误差HRer，心率测量的平均估计误差Mer（Mean Error），心率的估计误差的标准差（Standard Deviation）SDer，心率估计的均方根误差RMSE，平均百分比误差Mep和皮尔森相关系数ρ。
（1）HRer表示的是系统检测值HRme与心率的真实值HRre之间的差值，表示为：
.png)
（2）心率测量的平均估计误差是指心率测量误差的平均值，平均误差越小，表示心率测量越准确，使用Mer表示：
.png)
（3）心率的平均绝对百分比误差使用Mep表示：
.png)
（5）心率估计的均方根误差（Root Mean Squared Error）是心率估计与真实值的误差的平方和除以数据样本量并取平方根，表示为RMSE：
.png)
（5）心率估计的平均百分比误差
（6）皮尔森（Pearson）相关系数ρ能够体现心率估计值与真实心率值之间的线性相关性，表示如下：
.png)
5.3实验结果
实验分为十组，每组1人，进行准确性实验，对每名被试使用非接触式心率检测的方法和医用血氧仪进行10次测量对照，计算每组的误差值、标准差、均方根误差和皮尔森相关系数，实验数据如下表所示：
.png)
在十组有效对比测量中，最大平均误差为2.96次/分钟，最小平均误差为1.39次/分钟，平均百分比误差介于1.6%-3.5%之间，具有较高的准确性；均方根误差在1.53-3.05之间，均方根误差越小，实验结果与真实值离散程度越小，精度越高，在非接触式心率检测中，均方根误差小于5可认为实验结果精度较高，所以可以认为该实验结果具备较高的精度；与医用血氧仪对比测量结果的平均相关系数为0.9876，心率估计相关性散点图与下图所示，由统计学可知，当皮尔森相关系数在0.8-1.0之间时，可认为两个参数极度相关，因此可以得出估计心率与真实心率之间的相关性极强，心率检测为有效检测。实验结果符合中华人民共和国医药行业标准对于心率检测误差小于5次/分钟的要求，在实际的应用场景中可以用于日常的心率检测。
.png)
5结论
该系统基于python实现了对心率的非接触式心率检测，并满足在实际场景中的应用，能够在自然光状态下对心率进行检测，具有操作便捷，设备要求低，受环境制约小等特点，具有较大的应用前景。但同样存在一些在非接触式心率检测中存在的问题和可以改进的方向。抗运动干扰是基于ippg的非接触式心率检测中的难点，当视频采集中的目标运动较为剧烈时，往往会对实验结果有较大的影响，本实验是基于相对静止状态下的心率检测，对于抗运动干扰的检测也是日后的改进方向之一。参考文献
[1]中国心血管病风险评估和管理指南编写联合委员会.中国心血管病风险评估和管理指南[J].中华预防医学杂志,2019,53(1):13-35.
[2]贾如意,潘晓霞,李志善.有关控制心率重要性的探讨[J].国外医学.心血管疾病分册,2001,28(001):11-14.
[3]Ha R Y,Nojima K,Adams W P,et al.Analysis of facial skin thickness:defining the relative thickness index.[J].Plastic&Reconstructive Surgery,2005,115(6):1769-1773.
[4]万青.基于面部视频的非接触式心率检测研究[D].安徽大学.
[5]姚丽峰.基于PPG和彩色视频的非接触式心率测量[D].天津大学,2012.
[6]陈旭.基于人脸视频的心率测量算法研究[D].电子科技大学,2019.
作者简介：王宏宇（1994-01），男，汉族，河北唐山，硕士在读，成都信息工程大学，研究方向：图像处理