非接觸式視覺生理體征參數(shù)檢測研究

趙津發(fā) 柴榮軒 陳煒

（天津理工大學(xué)天津市先進(jìn)機(jī)電系統(tǒng)設(shè)計與智能控制重點實驗室機(jī)電工程國家級實驗教學(xué)示范中心 天津市 300384）

1 非接觸式視覺生理體征參數(shù)檢測的技術(shù)背景和理論基礎(chǔ)

1.1 人體的光學(xué)性質(zhì)及脈搏波的形成

Anderson等人對人體組織的光學(xué)特性進(jìn)行系統(tǒng)研究，得到皮膚各層結(jié)構(gòu)中有不同的光學(xué)性質(zhì)，指出波長越短的光，進(jìn)入人體皮膚的深度越淺，波長越長的光，進(jìn)入人體皮膚的深度越深[1]。

在一個心跳周期中，有收縮期和舒張期兩個部分，脈搏波形成過程如圖1所示。

圖1：脈搏波的形成

根據(jù)人體的光學(xué)性質(zhì)，脈搏波可分為直流分量（DC信號）和交流分量（AC信號）。肌肉組織、動脈血中的非脈動部分和靜脈血對光的吸收為直流分量，且對光的吸收基本保持不變。當(dāng)心臟收縮時，血管中的血液量增加，光的吸收量增加；當(dāng)心臟舒張時，血管中的血液量減少，光的吸收量降低。規(guī)律性的收縮與舒張，使光的透射或反射呈周期性變化，該變化構(gòu)成了脈搏波的交流分量。

1.2 非接觸式視覺生理體征參數(shù)檢測原理及優(yōu)勢

生理體征參數(shù)的檢測分為有創(chuàng)式、接觸式和非接觸式。有創(chuàng)式雖然檢測精度高，但會給患者帶來痛苦且需要專業(yè)醫(yī)護(hù)人員操作。由于接觸式檢測存在一定的局限，非接觸式檢測逐漸引起學(xué)者的關(guān)注。近些年，非接觸式檢測得到快速的發(fā)展，該項技術(shù)無需與患者接觸即可檢測相應(yīng)生理參數(shù)，按測量原理可分為以下幾種檢測方式：

（1）激光檢測：采用多普勒測振儀LDV(Laser Doppler Velocimetry)測量皮膚震動。

（2）電磁檢測：采用微波多普勒雷達(dá)測量皮膚震動。

（3）視覺檢測：采用攝像頭采集人體相關(guān)部位來檢測皮膚顏色變化。

表1對上述檢測方法的優(yōu)缺點進(jìn)行了對比總結(jié)。

表1：非接觸式生理體征參數(shù)檢測的優(yōu)缺點對比

由表1可知，視覺非接觸式檢測優(yōu)點較為突出。視覺非接觸式檢測的核心是IPPG技術(shù)，該技術(shù)和反射型PPG（photoplethysmo graphy）相似，以朗伯-比爾定律為基本原理，使用相機(jī)來代替PPG的光源，從而獲取光線透過皮膚后的反射光，通過光穿過皮膚表層后的衰減特性感知人體的脈搏波信號，進(jìn)而實現(xiàn)非接觸式測量。

2 基于IPPG技術(shù)的生理體征檢測

在非接觸式視覺生理體征檢測技術(shù)中，IPPG是最為核心的一種技術(shù)。實現(xiàn)基于IPPG技術(shù)的非接觸生理體征參數(shù)檢測的步驟為：

（1）獲取視頻圖像。

（2）提取出感興趣區(qū)域（region of interest, ROI）。

（3）從提取的ROI區(qū)域圖像中獲取脈搏波。

（4）將脈搏波處理后得到相關(guān)生理體征參數(shù)。

2.1 設(shè)備的選取和相關(guān)參數(shù)的設(shè)置

指夾式血氧儀普遍用于心率和血氧飽和度結(jié)果對比。其心率誤差范圍為±2 bmp，血氧飽和度誤差范圍為±2%，根據(jù)表2檢測誤差標(biāo)準(zhǔn)所示，可作為金標(biāo)準(zhǔn)對比。目前IPPG技術(shù)在心率、呼吸率和血氧飽和度的檢測方面較為成熟，如表3、表4所做的相關(guān)研究。理論上也能檢測血壓和心率變異性，但相關(guān)研究較少。

表2：國家和軍隊現(xiàn)行檢測誤差標(biāo)準(zhǔn)[2]

由表3可知，普通家用攝像機(jī)，甚至手機(jī)相機(jī)即可對心率、呼吸率進(jìn)行非接觸式檢測，對于心率的檢測最低幀數(shù)可設(shè)置在15fps，可以看出心率和呼吸率檢測對攝像頭的要求并不高。其中劉穎對于心率的檢測誤差較大，其原因為人臉檢測存在誤檢率[3]。隨著非接觸式視覺檢測研究和相機(jī)設(shè)備性能不斷發(fā)展，對相機(jī)的幀數(shù)要求基本固定在30fps，視頻的拍攝時間也縮短至20～30s，加快了運算處理速度。

表3：心率、呼吸率設(shè)備的選取和相關(guān)參數(shù)的設(shè)置

相對心率、呼吸率的檢測，血氧飽和度的檢測對相機(jī)要求更高，幀率的最低要求為25fps[10]。由血氧飽和度檢測原理可知，至少需要兩個光源才能進(jìn)行檢測。表4為血氧飽和度設(shè)備的選取和相關(guān)參數(shù)的設(shè)置。

表4：血氧飽和度設(shè)備的選取和相關(guān)參數(shù)的設(shè)置

由表4可知，目前有三種基于非接觸式視覺檢測的血氧飽和度設(shè)備方案：

（1）兩個CCD相機(jī)加兩個濾光片，同時進(jìn)行檢測；由于兩個相機(jī)只能同時拍攝同一部位，所以當(dāng)人體移動后需要重新對焦，操作起來較為復(fù)雜。

（2）一個CCD彩色相機(jī)加不同波長光源，間歇更換濾光片進(jìn)行檢測；單個相機(jī)采集無法有效屏蔽其他波段的環(huán)境光，所以得到準(zhǔn)確的檢測結(jié)果較為困難。

（3）一個網(wǎng)絡(luò)攝像機(jī)，分離出紅、藍(lán)兩通道進(jìn)行檢測；與前兩種方法相比不僅解決了對焦和不同波長光的選擇問題，而且成本更低。

2.2 ROI區(qū)域的選擇

常規(guī)錄制視頻中，復(fù)雜背景等其他因素的干擾會導(dǎo)致得到的視頻信噪比較低，所以需要對視頻進(jìn)行ROI區(qū)域的選取，得到需要部分的視頻圖像。根據(jù)表3、4可知ROI區(qū)域基本選在臉部、手臂等毛細(xì)血管多的人體部位。與腕部脈搏波的提取相比，非接觸式視覺生理參數(shù)檢測把臉部作為ROI區(qū)域研究更多。

由于選取臉部作為ROI區(qū)域，人臉檢測成為非接觸式視覺生理體征檢測關(guān)鍵部分。表5是不同人臉檢測方法的優(yōu)缺點對比。

表5：人臉檢測方法優(yōu)缺點

特征人臉檢測是非接觸檢測的常用方法，該算法在大多數(shù)情況下使用Adaboost算法進(jìn)行訓(xùn)練，利用Haar特征表示人臉，建立層級分類器[10,15]。雖然該人臉檢測算法最初都是檢測人正臉圖像，相對側(cè)臉檢測穩(wěn)定性較差，但是該算法仍有研究價值。汪秀軍等人使用神經(jīng)網(wǎng)絡(luò)對人臉進(jìn)行檢測，最終把鼻子作為ROI區(qū)域，并驗證了結(jié)果的有效性[14]。深度學(xué)習(xí)框架中的SSD（Single Shot MultiBox Detector）模型采用臉部關(guān)鍵點進(jìn)行識別，可在Haar特征檢測時，避免頭部旋轉(zhuǎn)造成的誤差。眼睛眨動與嘴巴晃動也會對信號的提取造成誤差，為進(jìn)一步降低誤差，可屏蔽眼睛和嘴巴[16]。

表6：不同光照強度下心率誤差對比

表7：針對運動偽差三種算法對比[25]

2.3 脈搏波的信號提取

視頻采集方式不同，脈搏波的提取方法也有所不同。在非接觸檢測中相機(jī)本身會產(chǎn)生噪聲，硬件之間的連接也會存在噪聲，不同光線的干擾、人體的微小晃動等都會降低檢測的準(zhǔn)確性。

范強[11]在信號采集前對相機(jī)安裝帶通濾波片，可有效降低環(huán)境中其他光線的干擾，使用圖像配準(zhǔn)和小波分解的自適應(yīng)濾波去除因人體呼吸、位置變化引起的運動偽差，對相關(guān)設(shè)備產(chǎn)生的噪聲進(jìn)行閾值去噪。

直接提取彩色相機(jī)各通道的均值并不可靠。Poh等人[17]為了提高信號的準(zhǔn)確性，對彩色相機(jī)使用了獨立成分分析法（Independent component analysis, ICA），分離出紅、藍(lán)、綠三通道信號，在ICA返回信號中選擇最高功率譜峰的通道作為心率和呼吸率的脈搏波信號。Lewandowska等人[24]在Poh工作基礎(chǔ)上認(rèn)為脈搏波信號存在于BGR三通道中，因此使用了盲源分離（Blind Source Separation，BSS）的主成分分析（Principal Component Analysis，PCA）來取代ICA。但光照亮度會影響RGB三通道，而該方法同時需要RGB三通道，所以當(dāng)光強發(fā)生變化時會對結(jié)果產(chǎn)生一定影響。ICA方法從某種程度上推進(jìn)了IPPG技術(shù)的發(fā)展，在近幾年的研究中經(jīng)常被用到作為脈搏波提取的必要環(huán)節(jié)[2,18]。

近些年，歐拉影像放大法被運用到了非接觸生理參數(shù)檢測中。其中馬良[12]，劉彥宏[19]，蘇培權(quán)[7]，劉鴻程[9]等采用了歐拉影像放大技術(shù)實現(xiàn)了對相應(yīng)參數(shù)的提取。歐拉影像放大技術(shù)簡單流程如圖2所示，該技術(shù)主要包括：

圖2：歐拉影像放大

（1）空間濾波。將視頻序列進(jìn)行金字塔多分辨率分解；

（2）時域濾波。對每個尺度的圖像進(jìn)行時域帶通濾波，得到感興趣的若干頻帶；

（3）放大濾波結(jié)果。對每個頻帶的信號用泰勒級數(shù)來差分逼近，線性放大逼近的結(jié)果；

（4）合成圖像。合成經(jīng)過放大后的圖像。

計算經(jīng)歐拉影像放大處理后的每一幀圖像ROI區(qū)域灰度均值，將得到的結(jié)果隨幀序列進(jìn)行排序即得到相應(yīng)的脈搏波信號。最后使用小波變換等方法進(jìn)行去噪處理[12]。王倩等人對歐拉影像放大法進(jìn)行加速處理，提出一種直接對RGB顏色空間進(jìn)行放大的方法，相對由YIQ顏色空間轉(zhuǎn)換到RGB顏色空間的傳統(tǒng)算法，處理速度提升30%[20]。

2.4 相關(guān)對比實驗

2.4.1 光照強度對實驗結(jié)果的影響

光照強度單位為lux，根據(jù)國家照明標(biāo)準(zhǔn)GB 50034-2013規(guī)定，10～100lux屬于弱光，如路燈照明強度；100～300lux屬于室內(nèi)自然光；300lux以上為外加光源強光。如表6所示，不同光照強度下心率誤差的對比。

文獻(xiàn)[3]誤差較大的原因可能是人臉檢測分類器雖然有較高的精度還存在著誤檢率；用于RGB 三通道信號提取的人臉圖像含有部分背景會產(chǎn)生噪聲以及攝像頭分辨率等問題。文獻(xiàn)[23]指出相同實驗條件下，當(dāng)人面部受光照不均勻時，平均誤差達(dá)到了3.71 bmp。

2.4.2 運動偽差的消除

陳丹丹提出改進(jìn)KLT人臉跟蹤方法，對于心率的檢測具有更好的一致性和相關(guān)性，該方法能有效的抑制運動偽差，可提高最后心率提取精度[5]。皮慧采用特征區(qū)域跟蹤與顏色增強相結(jié)合方法，在無規(guī)律運動狀態(tài)下進(jìn)行測量，心率值的偏差為1.94%[6]。還有幾種針對運動偽差消除的算法如表7所示。

JADE（Joint Approximate Diagonalization of Eigen-matrices）是一種基于高階累積量張量的特征矩陣的聯(lián)合近似對角化算法[25]。由表7可知，在提取獨立成分時，與FastICA和PCA相比，JADE的平均誤差最小，并且該算法的平均運行時間也最短。

3 基于IPPG技術(shù)生理體征檢測的現(xiàn)狀和發(fā)展

基于IPPG技術(shù)的生理體征檢測方法避免因接觸式檢測復(fù)雜連線等對患者產(chǎn)生的不適，并降低了操作的復(fù)雜性，在降低二次傳染中的作用顯得尤為突出。近幾年IPPG技術(shù)得到了快速的發(fā)展，從最初的CCD和CMOS相機(jī)到常規(guī)的網(wǎng)絡(luò)攝像頭，甚至手機(jī)攝像頭。也從單一的心率檢測向多生理體征參數(shù)檢測發(fā)展。

雖然基于IPPG技術(shù)的生理體征參數(shù)檢測相比傳統(tǒng)生理體征檢測有諸多優(yōu)點，但也存在以下幾個缺點：

（1）IPPG技術(shù)檢測對血壓和心率變異性檢測技術(shù)還不成熟，能檢測的參數(shù)較少，而且目前并沒有對得到的參數(shù)進(jìn)行病情分析。

（2）因距離檢測存在的干擾較多，所以得到信號沒有PPG獲得信號的信噪比高。即使通過一些方法降低了干擾，仍無法避免獲得一些無意義的信號。

（3）大多研究是對靜止?fàn)顟B(tài)下人體檢測，當(dāng)人體因運動產(chǎn)生運動偽差后，測量結(jié)果精度會下降。如使用相應(yīng)算法消除偽差，對設(shè)備運算能力和相機(jī)性能的要求也會相應(yīng)增加。

（4）目前，僅有心率、呼吸率實現(xiàn)手持式設(shè)備檢測，其他參數(shù)還無法達(dá)到可移動便捷檢測。

4 總結(jié)

基于IPPG技術(shù)的生理體征參數(shù)檢測具有簡單、便捷、安全、成本低等優(yōu)勢，在緊急救治、臨床檢測中存在著巨大價值。但該技術(shù)現(xiàn)階段并不成熟，算法優(yōu)化、硬件選取、信號處理等方面仍有很大研究空間。隨著設(shè)備性能的提高及相關(guān)技術(shù)的發(fā)展，非接觸式視覺生理體征參數(shù)檢測未來能更好的應(yīng)用于生活和醫(yī)療等領(lǐng)域。