rppg技術在駕駛員飲酒后心率檢測的應用探索

于明洋，閻程霖，趙京瑞，王蔚琛，徐春龍

（東北大學，遼寧 沈陽 110167）

1 研究背景

酒后駕駛已成為交通事故的重要誘因，根據(jù)歐盟委員會提供的道路交通事故數(shù)據(jù)，歐洲25%的交通事故與酒后駕駛有關。如何對駕駛員是否飲酒的駕駛狀況進行及時檢測顯得非常重要。目前常用的駕駛員酒精含量檢測方法是通過對其呼出氣體、唾液、尿液和血液中的酒精含量進行檢測。大多數(shù)情況下，酒駕檢測都是接觸式檢測，需要部署出動警力，檢測效率和范圍局限性大，且需要檢測人員較好地配合，以避免出現(xiàn)作弊的情況，然而也不能做到預防性檢測。

如果能實現(xiàn)非接觸式酒駕檢測，實現(xiàn)車內(nèi)自動化檢測，那么不僅會避免損耗材料，潛在細菌交叉感染等傳統(tǒng)式酒駕檢測問題，還可以節(jié)省警力資源，緩解交通壓力。目前非接觸酒駕檢測研究，大部分還停留在車內(nèi)酒精氣體檢測方面，雖然對氣體中酒精含量的檢測有較好的效果，但是這種方法容易受到環(huán)境因素影響，如：同車內(nèi)副駕駛或乘客飲酒而造成車內(nèi)存在酒精氣體，使得檢測失效，不能成為一種可行性酒駕檢測方案。

基于此類問題，文章嘗試研究使用駕駛員的生理指標作為酒駕的判斷依據(jù)，如飲酒后心率生理指標的異常，來代替氣體檢測方案。然而目前檢測心率較為成熟的方法是PPG技術，但PPG技術依然需要接觸，不能適用于復雜的駕駛場景。筆者利用實驗室進行的rppg技術方案，拓展其使用到車內(nèi)駕駛員場景，通過檢測心率生理指標，檢測飲酒前后生理指標變化的場景進行實驗測試，檢驗rppg技術是否適用于人在飲酒后心率的檢測。

2 實驗過程

2.1 實驗人員、環(huán)境選擇階段

選擇平均年齡在20歲左右的6名男生實驗人員，在實驗前先檢驗實驗者是否有酒精過敏史，是否有其他病史如：胃病、肝病、心血管疾病等不方便飲酒的以及可能會影響實驗的。為了減少其他環(huán)境對實驗酒精含量的影響，實驗前測量應確認實驗人員是否空腹或飲水，這樣能防止實驗前體內(nèi)預存在酒精含量對實驗的影響。

2.2 準備實驗相關的物品

酒精包括8度的啤酒以及50度的白酒， 通過標準RGB攝像頭對實驗人員的面部信息進行采集，采集的幀率為30fps，像素分辨率為640×480。通過Alcohol Tester對實驗人員呼吸氣體中的酒精濃度進行同步測量，作為不再屬于酒駕狀態(tài)的依據(jù)。心率的金標準值使用多功能生理監(jiān)護儀中的指尖脈搏血樣儀來采集參考HR信號裝置進行檢測。

2.3 實驗過程

圖1 rppg技術監(jiān)測酒駕示意圖

在試驗進行前10 min，對試驗人員未飲酒前的生理信號進行檢測，并將其作為參考對象，目的是在飲酒前測一次，飲酒后測一次，形成baseline對比。之后試驗者飲酒，其中少部分成員飲用8度的啤酒，其他試驗者飲用50度的白酒并記錄時間，飲酒結(jié)束后立即對他們進行生理信號的測量，并在之后每10 min進行一次測量，直到酒精傳感器檢測的呼吸酒精含量超過峰值并低于最低酒駕檢測濃度。

2.4 心率數(shù)據(jù)的來源：

心率數(shù)據(jù)來源于兩個方面，一個是使用多功能生理監(jiān)護儀（NSC-M12P，Neusoft Inc， China）中的指尖脈搏血樣儀采集到數(shù)據(jù)值即金標準數(shù)據(jù)，和通過RGB攝像頭采集到的視頻用rppg預估的數(shù)據(jù)值。

2.5 算法處理

（1）用標準的RGB攝像頭錄制面部視頻，用最小特征值算法檢測面部區(qū)域中的面部特征點。然后Kanade-Lucas-Tomasi（KLT）跟蹤算法，可以獲得前后兩幀的面部特征點匹配，生成面部矩形區(qū)域，其中將皮膚區(qū)域視為面部ROI，將其他區(qū)域視為背景ROI。最后計算得出面部ROI和背景ROI在時間t中的所有像素的空間RGB平均值。

其中A（t）代表臉部ROI區(qū)域信號通道，或是背景ROI的信號通道。L（x，y，t）代表在Askin中時間t下（x，y）點的像素值。P代表Askin中的總像素值的和。

圖2 圖像采集

（2）為了求得源信號的最佳估計，消除光照等其他因素造成的干擾。采用聯(lián)合盲源分離（JBSS），選擇用獨立向量分析的方法來實現(xiàn)聯(lián)合盲源分離的框架。在本研究中，面部和背景的ROI信號被視為兩個矩陣X。通過獨立向量分析，可以獲得目標SCV，假定為常見的照明干擾，為了消除干擾將目標SCV的各個分量設置為零，獲得最終想要的新的面部ROI信號。

（3）新的面部ROI信號包含皮膚表面產(chǎn)生的鏡面反射部分以及皮膚和下層組織重新吸收入射光的反射部分。為了提取攜帶脈搏率信息的漫反射分量，使用基于簡化皮膚反射模型的投影方法用來獲得更高質(zhì)量的投影信號。

其中Anew（t）是在t時刻下新的皮膚像素值，1·（1+i（t））表示照明變化分量和鏡面反射分量。s（t）代表鏡面分量，p（t）代表漫反射分量，I0表示靜止的光照分量。

（4）之前的一些研究指出，ROI中的綠色通道信號包含更多的脈搏率信息，還確定了在各種不同的照明條件下，綠色通道信號在rPPG信號中實現(xiàn)了最高的信噪比。對綠色通道信號和輸出信號進行了線性相關性分析，然后選擇了與綠色通道信號相關性最高的脈沖信號，并且用0.7 HZ和4 HZ的帶通濾波器來濾除與心率無關的信息部分。最后，對濾波脈沖信號使用fft，以心率為頻率，心率是功率最大的頻率，然后可以獲得心率的值。

3 實驗結(jié)果以及誤差分析

為了檢驗已有的rppg技術在駕駛員飲酒后檢測心率的效果，三個評估指標被我們的實驗采用，分別是皮爾森相關系數(shù)（r），平均絕對偏差（MAD），均方根誤差（RMSE）。分別代表第i個測量時間內(nèi)的心率的rppg預估值和真實值相關的參數(shù)標準計算如下：

結(jié)果發(fā)現(xiàn)在數(shù)據(jù)中某些試驗者會出現(xiàn)異常較大的RMSE，這些可能是由于存在噪音和異常的數(shù)據(jù)造成的。

在使用該改進rppg算法時，在1 min內(nèi)會計算得到31個心率值，得到的心率數(shù)據(jù)值分析如下：

通過去噪得到了一個很好的相關參數(shù)和誤差值，結(jié)果如下：

通過表1可以看出，平均為皮爾森相關系數(shù)為0.91。

表1 rppg算法結(jié)果

圖3（a）展示了通過rppg估計值和金標準值數(shù)據(jù)之間的關系散點圖，紅色的是擬合曲線，可以明顯看出，兩者之間的線性相關性，圖3（b）是測量到的金標準與rppg測量值之間的Bland-Altman圖。Bland-Altman圖是兩種數(shù)據(jù)一致性評價測量的方法，紅線表示了兩種數(shù)據(jù)差值的平均值（-0.18954），差值的95%置信區(qū)間為-6.3239～6.3239，介于此區(qū)間范圍內(nèi)數(shù)值說明了數(shù)據(jù)的一致性水平良好。從圖中可以看出，大部分數(shù)據(jù)都在區(qū)間內(nèi)，說明兩種數(shù)據(jù)的一致性良好，該rppg技術可以很好地應用于飲酒后的心率檢測。

圖3 rppg估計值和金標準值數(shù)據(jù)散點圖

4 結(jié)論

研究證實了rppg信號檢測駕駛員酒駕場景的可行性，并通過實驗驗證了呼吸中酒精含量與心率變化之間的關系。rppg技術可以實現(xiàn)駕駛員非接觸式心率信息的提取，通過酒精傳感器輔助判斷，發(fā)現(xiàn)可能潛在的因飲酒而導致的心率變化，同時也檢測出了車內(nèi)存在人員飲酒的場景。今后的研究將主要致力于使用多模態(tài)技術，將rppg檢測出來的心率值與酒精傳感器信息結(jié)合，預判斷駕駛員酒駕的情況，該技術為日常駕駛場景的普遍應用提供了一種方案，預計可以有效地減少酒駕所引發(fā)的事故，提高安全性，為駕駛員和乘客的安全保駕護航。