本發(fā)明涉及醫(yī)療視頻圖像處理領(lǐng)域，具體是一種適用于晝夜環(huán)境的呼吸率檢測方法。

背景技術(shù)：

隨著計(jì)算機(jī)技術(shù)的發(fā)展，視頻圖像處理技術(shù)在近年得到了快速地發(fā)展與應(yīng)用，并且滲透到了生活的方方面面，為人們帶來了諸多便利。在醫(yī)療科學(xué)領(lǐng)域，視頻處理技術(shù)在醫(yī)療診斷、手術(shù)指導(dǎo)和日常檢測方面具有巨大的應(yīng)用前景，為現(xiàn)代醫(yī)學(xué)的發(fā)展提供了積極的輔助支撐作用。

呼吸率是急性呼吸功能障礙疾病檢測的敏感指標(biāo)之一，而對長期呼吸率變化趨勢的監(jiān)測分析也可以反映人體的健康狀況，如身體疲勞狀態(tài)、睡眠質(zhì)量等。所以，呼吸率檢測在相關(guān)疾病預(yù)防和日常檢測方面具有重要意義。常用呼吸率檢測方法為心電圖法(Electrocardiogram,ECG)，即通過心電數(shù)據(jù)間接估計(jì)呼吸率。該方法雖然準(zhǔn)確性較高，但所得呼吸率數(shù)值并不是即時呼吸頻率，而是由心電數(shù)據(jù)間接估計(jì)得到，且測量時需要在被測者身上粘貼電極進(jìn)行測量，會給被測試者帶來身體和心理上的不適，影響呼吸率測量結(jié)果。為此，非接觸式呼吸率檢測技術(shù)的出現(xiàn)可以很好地解決上述問題。但早前提出的應(yīng)用熱成像相機(jī)、微型生物雷達(dá)、3D體感相機(jī)、磁感應(yīng)相移技術(shù)等非接觸式檢測方式因成本昂貴、設(shè)備體積大、抗干擾性較差等原因而無法適用于日常檢測，所以廉價、便捷、高效的非接觸式呼吸率檢測仍是今后研究的重點(diǎn)方向。

根據(jù)醫(yī)學(xué)定義，胸部的一次起伏定義為一次呼吸，即一次吸氣與一次呼氣的過程，所以統(tǒng)計(jì)每分鐘胸部起伏的次數(shù)即可以估計(jì)呼吸頻率。目前大多數(shù)非接觸式呼吸率檢測技術(shù)都是通過統(tǒng)計(jì)一分鐘內(nèi)胸部起伏運(yùn)動的次數(shù)來估計(jì)呼吸率。Alinovi等人在近期提出了基于時空分解的非接觸式視頻呼吸率檢測技術(shù)。該方法采用EVM(Eulerian Video Magnification)思想，首先通過拉普拉斯金字塔分解原始視頻圖像，提取不同尺度下圖像的亮度特征信息；然后采用時空處理技術(shù)提取并放大呼吸信號；最后使用最大似然估計(jì)法分析信號估計(jì)呼吸率。

Alinovi方法雖然可以準(zhǔn)確地估計(jì)呼吸率，但存在以下缺陷：(1)基于EVM 運(yùn)動放大方式在突出呼吸運(yùn)動的同時也會對視頻中的噪聲進(jìn)行同等幅度的放大，而放大后噪聲會對后期呼吸信號的提取產(chǎn)生干擾，影響呼吸率的估計(jì)；(2)原方法采用全局處理方式，該方法雖然可以最大程度地獲取呼吸運(yùn)動信號，但場景中其他干擾運(yùn)動會對呼吸信號的判定產(chǎn)生干擾；(3)對于睡眠呼吸檢測等要求在夜間進(jìn)行視頻獲取的場景，普通攝像頭無法有效地采集視頻。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種適用于晝夜環(huán)境的呼吸率檢測方法，以解決現(xiàn)有技術(shù)Alinovi方法估計(jì)呼吸率存在的問題。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為：

一種適用于晝夜環(huán)境的呼吸率檢測方法，其特征在于：包括以下步驟：

(1)、采用攝像頭對人體進(jìn)行拍攝以獲取視頻，所述攝像頭由計(jì)算機(jī)通過Matlab軟件控制，拍攝時確保人體上半身處于視頻畫面內(nèi)且盡量處于中心區(qū)域，并保持?jǐn)z像頭以固定的分辨率、幀率和RGB彩色空間拍攝一定時間，白天室內(nèi)有穩(wěn)定白熾燈光源環(huán)境下拍攝的視頻保存為AVI格式，夜間無光照環(huán)境下拍攝的視頻保存為mp4格式；

(2)、對攝像頭采集的視頻進(jìn)行人臉檢測，并根據(jù)人體幾何知識，由人臉區(qū)域定位胸口位置，獲得穩(wěn)定的胸口運(yùn)動視頻，過程如下：

(2.1)、獲取人臉區(qū)域：

在計(jì)算機(jī)中將攝像頭采集的視頻的第一幀作為參考圖像，通過OpenCV中的Viola-Jones人臉檢測器檢測出矩形的人臉區(qū)域，獲得矩形框四個頂點(diǎn)F1的坐標(biāo)；

(2.2)、確定呼吸信號采集區(qū)域：

根據(jù)先驗(yàn)知識，人的身高可以用頭高進(jìn)行描述，由呼吸引起胸部變化區(qū)域大致在第六頭高線與第七頭高線的下方區(qū)域，即肩膀下方到第六頭高線上方的區(qū)域，根據(jù)先驗(yàn)知識可從視頻中找出呼吸引起胸部變化區(qū)域，然后在呼吸引起胸部變化區(qū)域中確定呼吸信號采集區(qū)域，確定的原則如下：

選擇從頭頂開始，向下移動1.4-1.6倍頭高作為呼吸信號采集區(qū)域起始縱坐標(biāo)，以人臉框中心點(diǎn)向左移動0.23-0.27倍頭寬作為呼吸信號采集區(qū)域起始橫坐標(biāo)，0.4-0.6倍的頭高和0.8-1.2倍的頭寬分別作為呼吸信號采集區(qū)域的長與寬；

(2.3)、獲取胸口運(yùn)動視頻：

確定呼吸信號采集區(qū)域后，對視頻進(jìn)行裁剪以保留呼吸信號采集區(qū)域?qū)?yīng)的胸口位置圖像，并輸出胸口位置圖像序列后進(jìn)行視頻保存，生成穩(wěn)定的胸口運(yùn)動視頻；

(3)、將胸口運(yùn)動視頻的彩色空間由RGB轉(zhuǎn)換為Gray-Scale，以獲得Gray-Scale色彩空間的視頻，通過將三通道運(yùn)動信息整合到單通道上，實(shí)現(xiàn)了亮度信息的突出同時有效降低數(shù)據(jù)計(jì)算復(fù)雜度，RGB與Gray-Scale轉(zhuǎn)換公式如下：

(4)、對Gray-Scale色彩空間的視頻進(jìn)行運(yùn)動放大，以提取穩(wěn)定的呼吸運(yùn)動信號，具體過程如下：

(4.1)、空間相位分解：

利用復(fù)數(shù)方向可控金字塔對圖像進(jìn)行空間相位處理，通過迭代計(jì)算將圖像分解成不同尺度、相位方向的子帶序列，圖像的運(yùn)動相位信息便蘊(yùn)含在子帶序列中，復(fù)數(shù)方向可控金字塔實(shí)現(xiàn)過程如下：

(4.1.1)、輸入圖像尺寸，確定尺度分解層數(shù)M：

M＝floor(log₂min(h,w))-2 (2)，

式中，h和w表示原始圖像的高和寬，floor表示向下取整；

(4.1.2)、確定濾波器的濾波方向參數(shù)N(根據(jù)實(shí)驗(yàn)效果,本次默認(rèn)設(shè)定N＝4,)；

(4.1.3)、輸入圖像首先被分解為高通子帶H₀與低通子帶L₀，其中低通子帶包含圖像全局信息，高通子帶包含圖像細(xì)節(jié)，其中相位信息蘊(yùn)含在低通子帶中；

(4.1.4)、按照參數(shù)N對L₀進(jìn)行方向可控濾波，獲得N類不同方向的子帶序列B_k(k＝0,1,…N)和子帶部分L₁；

(4.1.5)、將子帶部分L₁進(jìn)行二抽樣后，重復(fù)(4.1.4)操作，直到尺度分解層數(shù)達(dá)到M；

(4.1.6)、操作完成后，共獲得M*N+2(H₀與L_M+1)個子帶序列，其中M*N個子帶序列B中包含呼吸運(yùn)動的相位信息，用于后續(xù)信號處理；

(4.2)、時間帶通濾波：

利用理想的帶通濾波器對子帶序列進(jìn)行時間濾波，通頻帶為0.05～1.25Hz；

(4.3)、信號放大：

針對濾波后的子帶序列，直接乘以預(yù)設(shè)的放大因子α進(jìn)行運(yùn)動的放大；

(4.4)呼吸信號提取，過程如下：

(4.4.1)、對放大后的子帶序列進(jìn)行二值轉(zhuǎn)換，通過預(yù)設(shè)的閾值γ_th突出呼吸運(yùn)動，公式如下：

其中l(wèi)表示經(jīng)方向可控金字塔分解后的第l層子帶；x，y表示相應(yīng)子帶對應(yīng)的圖像尺寸，i表示視頻的幀序號；α表示放大因子；F_l表示對應(yīng)子帶濾波后的序列值，B_l表示對應(yīng)子帶閾值化的序列值；

(4.4.2)、將圖像序列轉(zhuǎn)換平均相位信號來表征身體運(yùn)動模式，即呼吸運(yùn)動。平均相位信號公式如下：

經(jīng)過公式(3)、(4)后，將得到表征呼吸運(yùn)動的多通道信號，將各通道進(jìn)行通道平均操作后，可以得到平均呼吸波形，即得到穩(wěn)定的呼吸運(yùn)動信號；

(5)、對獲取的多通道呼吸波形進(jìn)行頻域分析，通過最大似然估計(jì)法進(jìn)行呼吸率的初步估計(jì)，獲取初始呼吸頻率后配合平滑濾波對平均呼吸波形進(jìn)行濾波優(yōu)化，獲取精準(zhǔn)的呼吸波形，并采用峰值點(diǎn)檢測法進(jìn)行呼吸率再估計(jì)，具體過程如下：

(5.1)最大似然估計(jì)：

由公式(4)得到的L_l代表不同尺度和相位方向的呼吸信號趨勢，不同的L_l對同一運(yùn)動物體的不同描述相當(dāng)于不同位置與角度的攝像機(jī)對同一物體進(jìn)行拍攝所產(chǎn)生的多組圖像結(jié)果，基于此思想采用最大似然法進(jìn)行呼吸率估計(jì)，通過聚合多個尺度、相位方向的信號序列達(dá)到增強(qiáng)呼吸信號的效果，具體公式如下：

其中，f_s表示信號的采樣頻率，N表示采集視頻總幀數(shù)，M表示金字塔分解后各個尺度和方向子帶的總數(shù)量，DFT{}表示離散傅里葉變換，argmax操作表示從集合中 獲取能量值最大點(diǎn)索引；

(5.2)、平滑濾波與峰值點(diǎn)檢測：

以f₀為基準(zhǔn)，將通頻帶上下各拓寬0.05H_z對平均呼吸波形進(jìn)行平滑濾波，獲取濾波優(yōu)化后的呼吸波形，此時呼吸波形的呼吸波形已非常明顯，其中每一組波形的起伏代表一次呼吸起伏，所以統(tǒng)計(jì)該段波形中的波峰數(shù)量即可得到呼吸頻率，因此對該波形使用Matlab工具箱中的峰值點(diǎn)檢測命令即可。

所述的一種適用于晝夜環(huán)境的呼吸率檢測方法，其特征在于：步驟(1)中，在白天室內(nèi)有穩(wěn)定白熾燈光源環(huán)境下，視頻以640*480的分辨率，30幀/秒的幀率和RGB彩色空間持續(xù)采集60秒，并保存成AVI格式；夜間無光照環(huán)境下，視頻以1280*720的分辨率，9幀/秒的幀率和RGB彩色空間持續(xù)采集60秒，并保存成mp4格式。

所述的一種適用于晝夜環(huán)境的呼吸率檢測方法，其特征在于：步驟(2.1)中，在夜間情況下，Viola-Jones人臉檢測器因?yàn)橐归g場景噪聲較大與視頻質(zhì)量原因出現(xiàn)人臉誤檢的情況，可采用修復(fù)算法進(jìn)行處理。

本發(fā)明無需利用電極或者傳感器接觸人體，只借助具有普通的具有夜視功能攝像頭即可自動監(jiān)測人體重要的生理指標(biāo)，呼吸率(Respiratory Rate)。提出的方法通過對人體胸口視頻進(jìn)行采集和相應(yīng)處理，能夠有效定位呼吸主要區(qū)域，消除周圍場景噪聲干擾，從胸部起伏中準(zhǔn)確提取呼吸信號用于呼吸率估計(jì)。在白天或室內(nèi)穩(wěn)定白熾燈光源情況和夜間無光照兩種情況下，本發(fā)明估計(jì)的呼吸頻率與真實(shí)呼吸頻率具有良好的結(jié)果一致性，穩(wěn)定性較高。

本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：

1)本發(fā)明針對傳統(tǒng)接觸式呼吸率檢測技術(shù)存在操作復(fù)雜與肢體束縛的問題，提出一種非接觸式的基于胸部視頻處理的呼吸率檢測技術(shù)。該技術(shù)無需使用電極或特殊傳感器對人體進(jìn)行接觸來獲取信號，而只需借助具有夜視功能的普通攝像頭即可自動檢測呼吸率。有效地降低了設(shè)備成本，提高了通用性，并且提高了測試者的舒適程度，適用于日常呼吸監(jiān)測和相關(guān)疾病預(yù)防。

2)本發(fā)明通過考慮呼吸引起的胸部區(qū)域變化，有效地選擇呼吸信號提取區(qū)域，克服了場景中其他噪聲的干擾，并適當(dāng)降低算法的時間復(fù)雜度；采用基于相位的運(yùn)動放大技術(shù)，提取呼吸運(yùn)動序列并對其進(jìn)行放大，獲取穩(wěn)定的呼吸運(yùn)動信號；采用紅外攝像頭實(shí)現(xiàn)夜間視頻采集，并通過相位信息提取方式，在晝夜環(huán)境 下均可以準(zhǔn)確地檢測呼吸率。

3)本發(fā)明通過對呼吸信號進(jìn)行最大似然估計(jì)分析，實(shí)現(xiàn)了呼吸信號頻率的初步估計(jì)；然后利用初估計(jì)頻率對呼吸信號進(jìn)行平滑濾波，優(yōu)化呼吸波形，使呼吸運(yùn)動趨勢更加明顯，最后通過峰值點(diǎn)檢測方法對優(yōu)化后波形進(jìn)行呼吸率估計(jì)，提高了呼吸率檢測的精度。

附圖說明

圖1是本發(fā)明的非接觸式呼吸率檢測的流程框圖。

圖2是本發(fā)明的設(shè)備安裝效果圖。

圖3是人臉檢測效果圖(白天)。

圖4是人臉檢測效果圖(夜間誤檢情況)。

圖5是人臉檢測效果圖(夜間誤檢修復(fù)后情況)。

圖6是胸口定位示意圖(白天)。

圖7是胸口定位示意圖(夜間)。

圖8是本發(fā)明提取的呼吸運(yùn)動波形。

圖9是本發(fā)明平滑濾波后呼吸運(yùn)動波形。

具體實(shí)施方式

參照圖1，本發(fā)明呼吸率檢測的實(shí)施步驟如下：

步驟1，參照圖2，將一臺具有夜視功能的網(wǎng)絡(luò)攝像頭放置于正對人臉前方約0.5m的位置，也可以架在計(jì)算機(jī)顯示器的上方，攝像頭與計(jì)算機(jī)之間使用USB進(jìn)行連接。操作者利用Matlab軟件控制攝像頭拍攝視頻，確保人體上半身完全處于視頻畫面以內(nèi)，且盡量處于中心區(qū)域。在白天室內(nèi)有穩(wěn)定白熾燈光源環(huán)境下，視頻以640*480的分辨率，30幀/秒的幀率和RGB彩色空間持續(xù)采集60秒，并保存成AVI格式。夜間無光照環(huán)境下，由于攝像頭硬件限制原因，視頻以1280*720的分辨率，9幀/秒的幀率和RGB彩色空間持續(xù)采集60秒。

步驟2，對采集的視頻進(jìn)行人臉檢測，并根據(jù)人體幾何知識，由人臉區(qū)域定位胸口位置，獲得穩(wěn)定的胸口運(yùn)動視頻，相比于現(xiàn)有技術(shù)有兩點(diǎn)重要改進(jìn)。

2a)將輸入視頻的第一幀作為參考圖像，首先通過OpenCV中的Viola-Jones人臉檢測器檢測出矩形的人臉區(qū)域，獲得矩形框四個頂點(diǎn)F1的坐標(biāo)，白天環(huán)境下如圖3所示。針對夜間情況下，Viola-Jones會因?yàn)橐归g場景噪聲較大與視頻質(zhì)量等原因出現(xiàn)人臉誤檢的情況，本發(fā)明采用修復(fù)算法進(jìn)行處理，解決了大部分誤檢問題，修復(fù)算法 原理：由于在視頻采集過程中人臉是場景的主要目標(biāo)，所以在多數(shù)情況下出現(xiàn)誤檢的錯誤框圖寬度均小于人臉框圖寬度。因此當(dāng)VJ檢測器獲取多個可能“人臉”框圖時，可默認(rèn)保留寬度最大的坐標(biāo)區(qū)域，即為人臉框圖。具體圖4、5所示，當(dāng)原始VJ檢測器出現(xiàn)誤檢情況(圖4)時，誤檢“人臉”框?qū)挾染日_人臉框?qū)挾刃?，?jīng)過處理后，只保留正確人臉(圖5)。

2b)人的身高可以用頭高進(jìn)行描述。根據(jù)先驗(yàn)知識，成人身高一般是頭高的8倍，從腳底向上起，男性的胸口大約在第六頭高上方，女性則相對男性略低。所以，由呼吸引起胸部區(qū)域變化大致在第六頭高線與第七頭高線的下方區(qū)域，也就是肩膀下方到第六頭高線上方的區(qū)域。結(jié)合實(shí)驗(yàn)效果，本文從上述區(qū)域中選擇了一部分作為呼吸信號采集區(qū)域。選擇區(qū)域?yàn)椋簭念^頂開始，向下移動1.5倍頭高作為呼吸區(qū)域起始縱坐標(biāo)，以人臉框中心點(diǎn)向左移動0.25倍頭寬作為呼吸區(qū)域起始橫坐標(biāo)，0.5倍的頭高和1倍的頭寬分別作為采集區(qū)域的長與寬，具體如圖6、7。

2c)正確檢測到胸口位置后，對后續(xù)視頻進(jìn)行裁剪，輸出圖像序列按照步驟1根據(jù)不同的使用場景進(jìn)行視頻保存，生存胸口運(yùn)動視頻。

以上操作相比于現(xiàn)有技術(shù)有兩點(diǎn)改進(jìn)：①通過胸口定位技術(shù)明確呼吸產(chǎn)生的區(qū)域，有效地降低了算法的時間復(fù)雜度，且確定胸口區(qū)域后，可以去除場景中非呼吸區(qū)域的噪聲干擾，避免因全局估計(jì)因噪聲問題而產(chǎn)生的估計(jì)偏差問題；②人臉誤檢修復(fù)可以在大多數(shù)情況下提升傳統(tǒng)Viola-Jones在夜間情況下的檢測精度，提升胸口定位成功率，增加呼吸信號提取的穩(wěn)定性。

步驟3，胸口視頻的彩色空間由RGB轉(zhuǎn)換為Gray-Scale，將三通道運(yùn)動信息整合到單通道上，實(shí)現(xiàn)了亮度信息的突出同時有效降低數(shù)據(jù)計(jì)算復(fù)雜度。RGB與Gray-Scale轉(zhuǎn)換公式如下：

Gray＝0.2989*R+0.5870*G+0.1140*B (1)，

步驟4，對Gray-Scale色彩空間的視頻進(jìn)行運(yùn)動放大，提取呼吸運(yùn)動信號。

4a)空間相位分解

利用復(fù)數(shù)方向可控金字塔對圖像進(jìn)行空間相位處理，通過迭代計(jì)算將圖像分解成不同尺度、相位方向的子帶序列，圖像的運(yùn)動相位信息便蘊(yùn)含在子帶序列中。與傳統(tǒng)金字塔分解不同，復(fù)數(shù)方向可控金字塔通過設(shè)定方向相位角度，靈活地將圖像分解成多個方向可控的子帶信息，且各方向子帶具有無混疊、相位正交的特點(diǎn)。復(fù)數(shù)方向可 控金字塔實(shí)現(xiàn)過程為：

(1)輸入圖像尺寸，確定尺度分解層數(shù)M

M＝floor(log₂min(h,w))-2 (2)，

式中，h和w表示原始圖像的高和寬，floor表示向下取整。

(2)確定濾波器的相位方向參數(shù)N

(3)輸入圖像首先被分解為H₀與低通子帶L₀，其中低通子帶包含圖像全局信息，高通子帶包含圖像細(xì)節(jié)，其中相位信息蘊(yùn)含在低通子帶中。

(4)按照參數(shù)N對L₀進(jìn)行方向可控濾波，獲得N類不同方向的子帶序列B_k(k＝0,1,…N)和子帶部分L₁。

(5)將子帶部分進(jìn)L₁行二抽樣后，重復(fù)(4)操作，直到尺度分解層數(shù)達(dá)到M

(6)操作完成后，共獲得M*N+2(H₀與L_M+1)個子帶序列。其中，(M*N)個子帶序列B中包含呼吸運(yùn)動的相位信息，用于后續(xù)信號處理。

4b)時間帶通濾波

利用理想的帶通濾波器對子帶序列進(jìn)行時間濾波，通頻帶為0.05～1.25Hz(對應(yīng)呼吸率3～75次/分鐘)。

4c)信號放大

針對濾波后的子帶序列，直接乘以放大因子α進(jìn)行運(yùn)動的放大，默認(rèn)放大因子為10倍。

4d)呼吸信號提取

(1)對放大后子帶序列進(jìn)行閾值轉(zhuǎn)換，通過閾值γ_th(根據(jù)實(shí)驗(yàn)效果，本次設(shè)定為10)突出呼吸運(yùn)動，過程如下：

其中l(wèi)表示經(jīng)方向可控金字塔分解后的第l層子帶；x，y表示相應(yīng)子帶對應(yīng)的圖像尺寸，i表示視頻的幀序號；α表示放大因子，默認(rèn)放大因子倍數(shù)為10；F_l表示對應(yīng)子帶濾波后的序列值，B_l表示對應(yīng)子帶閾值化的序列值。

(2)將圖像序列轉(zhuǎn)換平均相位信號來表征身體運(yùn)動模式，即呼吸運(yùn)動。平均相位信號公式如下：

經(jīng)過公式(3)、(4)，本發(fā)明得到表征呼吸運(yùn)動的多通道信號，將各通道進(jìn)行通道平均操作后，可以得到平均呼吸波形，見圖8。

步驟5，對獲取的多通道呼吸波形進(jìn)行頻域分析，通過最大似然估計(jì)法進(jìn)行呼吸率的初步估計(jì)，獲取初始呼吸頻率后配合平滑濾波對平均呼吸波形進(jìn)行平滑濾波，優(yōu)化呼吸波形，并采用峰值點(diǎn)檢測法進(jìn)行呼吸率再估計(jì)。

5a)最大似然估計(jì)

由公式(4)得到的L_l代表不同尺度和相位方向的呼吸信號趨勢。不同的L_l對同一運(yùn)動物體的不同描述相當(dāng)于不同位置與角度的攝像頭對同一物體進(jìn)行拍攝所產(chǎn)生的多組圖像結(jié)果?；诖怂枷耄景l(fā)明采用最大似然法進(jìn)行呼吸率估計(jì)，通過聚合多個尺度、相位方向的信號序列達(dá)到增強(qiáng)呼吸信號的效果。具體公式如下：

其中，f_s表示信號的采樣頻率，N表示采集視頻總幀數(shù)；M表示金字塔分解后各個尺度和方向子帶的總數(shù)量；DFT{·}表示離散傅里葉變換。

5b)平滑濾波與峰值點(diǎn)檢測

以f₀為基準(zhǔn)，將通頻帶上下各拓寬0.05Hz對平均呼吸波形進(jìn)行平滑濾波，獲取濾波優(yōu)化后的呼吸波形，見圖9。此時，呼吸波形的呼吸波形已非常明顯。對該波形使用Matlab工具箱中的峰值點(diǎn)檢測命令即可，具體如下：

data＝detrend(data)；

[pks,～]＝findpeaks(data,'minpeakheight',0,'minpeakdistance',14)；

m＝size(pks)；

output＝round(m(2)*(60*Fs)/len)；

其中，data表示平滑濾波后信號序列；函數(shù)detrend(·)表示信號去趨勢化處理；函數(shù)findpeaks(·)表示按照設(shè)定的最小峰值高度、峰間距離等參數(shù)對數(shù)據(jù)進(jìn)行波峰統(tǒng)計(jì)；m表示波峰數(shù)量；Fs表示采樣頻率；len表示信號長度；函數(shù)round(·)表示對估計(jì)結(jié)果進(jìn)行四舍五入取整；output為最后估計(jì)呼吸頻率。

至此，適用于晝夜環(huán)境的呼吸率檢測技術(shù)基本完成。

以下通過白天環(huán)境及夜間情況下的呼吸率檢測實(shí)驗(yàn)進(jìn)一步說明本發(fā)明的有效性。

一、白天環(huán)境呼吸率檢測實(shí)驗(yàn)

1.視頻參數(shù)：

視頻參數(shù)如表1：

表1白天環(huán)境下的視頻參數(shù)

2.實(shí)驗(yàn)內(nèi)容：

為驗(yàn)證本發(fā)明的準(zhǔn)確性，本次實(shí)驗(yàn)在呼吸頻率6-36次/分鐘范圍內(nèi)對測試者進(jìn)行多次視頻采集和呼吸率檢測。測試者分別以正常呼吸或按照顯示屏提示進(jìn)行特定頻次的呼吸作為真實(shí)呼吸率進(jìn)行參考。

為了對實(shí)驗(yàn)結(jié)果進(jìn)行定量評價，本次采用3種評價指標(biāo)進(jìn)行性能評估。第1個指標(biāo)為平均誤差M_e，即測量值與真實(shí)值的偏差，見公式(6):

第2指標(biāo)是均方根誤差，記作RMSE(Root Mean Square Error)，RMSE越接近0表示呼吸率檢測技術(shù)越穩(wěn)定，魯棒性更好，見公式(7):

第3個指標(biāo)是呼吸率的平均準(zhǔn)確率RR_ac，見公式(8)：

式中，N表示視頻總數(shù)量，RR_ev表示呼吸率估計(jì)值，RR_true表示實(shí)際呼吸率值。

為驗(yàn)證本發(fā)明性能，本發(fā)明復(fù)現(xiàn)了Alinovi的非接觸式呼吸率檢測方法進(jìn)行實(shí)驗(yàn)對比。白天情況下的呼吸率檢測性能如表2所示.

表2白天環(huán)境下的呼吸率檢測性能對比

3.呼吸率檢測結(jié)果分析：

發(fā)在室內(nèi)穩(wěn)定白熾燈光源的白天環(huán)境下，兩種技術(shù)均可實(shí)現(xiàn)呼吸率的準(zhǔn)確檢測。但由于Alinovi方法在全局估計(jì)時候容易受場景干擾與噪聲問題，所以在后期功率譜估計(jì)時會產(chǎn)生能量泄露效應(yīng)，造成呼吸率估計(jì)出現(xiàn)較大偏差。而本發(fā)明通過胸口定位優(yōu)化了呼吸區(qū)域、并通過PVM優(yōu)秀的抗噪性能保證信號穩(wěn)定性，因此在實(shí)驗(yàn)結(jié)果上有較大提升。所以在表2中，本發(fā)明在性能參數(shù)上具有提升。

二、夜間環(huán)境呼吸率檢測實(shí)驗(yàn)

1.視頻參數(shù)：

視頻參數(shù)如表3：

表3白天環(huán)境下的視頻參數(shù)

2.實(shí)驗(yàn)內(nèi)容：

為驗(yàn)證本發(fā)明的準(zhǔn)確性，本次實(shí)驗(yàn)在呼吸頻率9-23次/分鐘范圍內(nèi)對測試者進(jìn)行多次視頻采集和呼吸率檢測。測試者分別以正常呼吸或按照顯示屏提示進(jìn)行特定頻次的呼吸作為真實(shí)呼吸率進(jìn)行參考。

本發(fā)明同樣使用實(shí)驗(yàn)一中的三種指標(biāo)對呼吸率檢測技術(shù)進(jìn)行評價，對比的方法也相同。夜間環(huán)境下的呼吸率檢測性能如表4所示。

表2夜間環(huán)境下的呼吸率檢測性能對比

3.呼吸率檢測結(jié)果分析：

對比中發(fā)現(xiàn)：在夜間室內(nèi)無光照的環(huán)境下，通過使用紅外攝像頭，本發(fā)明實(shí)現(xiàn)了夜間環(huán)境下呼吸率的檢測。但在相同設(shè)備條件下，本發(fā)明相比于Alinovi有明顯提升。主要原因在于當(dāng)被測者處于攝像頭較近距離時，攝像頭發(fā)出的紅外光大部分都被人體反射，所以被測者在視頻中的顯示效果要比周圍場景的亮度值要高，反映在灰度視頻中即“偏白”。所以傳統(tǒng)基于亮度值變化提取信號的算法無法有效提取亮度信息，所以呼吸率檢測出現(xiàn)嚴(yán)重偏差，無法適用于夜間呼吸率檢測。而本文方法從相位角度進(jìn)行變化信號的提取，有效避免了傳統(tǒng)方法中亮度值提取困難的缺陷，可以實(shí)現(xiàn)較穩(wěn)定的呼吸率檢測。但結(jié)果還是相對白天出現(xiàn)下降，其原因在于：目前夜間攝像頭多為安防設(shè)備，在采用高壓縮比技術(shù)對視頻進(jìn)行壓縮時會對視頻的清晰度、圖像細(xì)節(jié)等方面產(chǎn)生損失，且9幀/秒的幀率相較于白天30幀/秒的幀率有較大下滑，使數(shù)據(jù)量降低，對呼吸信號提取產(chǎn)生一定影響。但從M_e與RR_ac兩參數(shù)可以看出，即使在夜間情況下，本發(fā)明依舊可以與真實(shí)呼吸率保持較高地吻合率，符合日常使用要求。