本申請(qǐng)涉及生理信號(hào)處理，尤其是生理信號(hào)處理方法、裝置和介質(zhì)。

背景技術(shù)：

1、遠(yuǎn)程光體積描記法（remote?photo-plethysmography，rppg）是一種非接觸式的生理信號(hào)測(cè)量技術(shù)，它利用如攝像頭等傳感器捕捉由心動(dòng)周期造成的皮膚顏色周期性變化，進(jìn)而提取血液體積脈沖信號(hào)，并測(cè)量心率、呼吸率和心跳變異性等心動(dòng)周期相關(guān)的生理指標(biāo)。目前，面部視頻分析成為提取rppg信號(hào)的主要方式，rppg信號(hào)是指基于遠(yuǎn)程光體積描記法的生理信號(hào)。相關(guān)技術(shù)通常基于如卷積神經(jīng)網(wǎng)絡(luò)、transformer等深度學(xué)習(xí)技術(shù)來(lái)實(shí)現(xiàn)對(duì)rppg信號(hào)的重建，其rppg信號(hào)的提取精度有待提高。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例提供生理信號(hào)處理方法、裝置和介質(zhì)，用于提高生理信號(hào)的可靠性和精度。

2、一方面，本申請(qǐng)實(shí)施例提供生理信號(hào)處理方法，包括以下步驟：

3、獲取面部長(zhǎng)序列視頻數(shù)據(jù)；

4、對(duì)所述面部長(zhǎng)序列視頻數(shù)據(jù)進(jìn)行處理，得到所述面部長(zhǎng)序列視頻數(shù)據(jù)的時(shí)空特征；

5、根據(jù)所述時(shí)空特征，得到初始快速特征和初始慢速特征；其中，所述初始快速特征和所述初始慢速特征分別為表示不同時(shí)間維度的特征；

6、根據(jù)所述初始快速特征，結(jié)合時(shí)序差分模塊，得到深層快速特征；其中，所述時(shí)序差分模塊用于基于預(yù)設(shè)的狀態(tài)空間模型進(jìn)行特征提??；

7、根據(jù)所述初始快速特征和所述初始慢速特征，結(jié)合所述時(shí)序差分模塊，得到深層慢速特征；

8、根據(jù)所述深層快速特征和所述深層慢速特征，得到生理信號(hào)。

9、另一方面，本申請(qǐng)實(shí)施例提供生理信號(hào)處理裝置，包括：

10、獲取模塊，用于獲取面部長(zhǎng)序列視頻數(shù)據(jù)；

11、第一處理模塊，用于對(duì)所述面部長(zhǎng)序列視頻數(shù)據(jù)進(jìn)行處理，得到所述面部長(zhǎng)序列視頻數(shù)據(jù)的時(shí)空特征；

12、第二處理模塊，用于根據(jù)所述時(shí)空特征，得到初始快速特征和初始慢速特征；其中，所述初始快速特征和所述初始慢速特征分別為表示不同時(shí)間維度的特征；

13、第三處理模塊，用于根據(jù)所述初始快速特征，結(jié)合時(shí)序差分模塊，得到深層快速特征；其中，所述時(shí)序差分模塊用于基于預(yù)設(shè)的狀態(tài)空間模型進(jìn)行特征提?。?/p>

14、第四處理模塊，用于根據(jù)所述初始快速特征和所述初始慢速特征，結(jié)合所述時(shí)序差分模塊，得到深層慢速特征；

15、第五處理模塊，用于根據(jù)所述深層快速特征和所述深層慢速特征，得到生理信號(hào)。

16、又一方面，本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中存儲(chǔ)有處理器可執(zhí)行的程序，所述處理器可執(zhí)行的程序在由處理器執(zhí)行時(shí)用于實(shí)現(xiàn)上述一種生理信號(hào)處理方法。

17、本申請(qǐng)的有益效果是：提供生理信號(hào)處理方法、裝置和介質(zhì)，首先，獲取面部長(zhǎng)序列視頻數(shù)據(jù)；其次，對(duì)面部長(zhǎng)序列視頻數(shù)據(jù)進(jìn)行處理，得到面部長(zhǎng)序列視頻數(shù)據(jù)的時(shí)空特征；然后，根據(jù)時(shí)空特征，得到初始快速特征和初始慢速特征，能夠有效且準(zhǔn)確地捕獲時(shí)空特征中的慢速變化的生理特征和快速變化的生理特征，慢速變化的生理特征即為初始慢速特征，快速變化的生理特征即為快速變化的生理特征，初始快速特征和初始慢速特征分別表示不同的時(shí)間維度；之后，根據(jù)初始快速特征，結(jié)合時(shí)序差分模塊，得到深層快速特征，時(shí)序差分模塊用于基于預(yù)設(shè)的狀態(tài)空間模型進(jìn)行特征提取，能夠有效地捕捉快速變化的生理特征中的長(zhǎng)距離時(shí)空依賴(lài)關(guān)系，以及根據(jù)初始快速特征和初始慢速特征，結(jié)合時(shí)序差分模塊，得到深層慢速特征，不僅能夠有效地捕捉慢速變化的生理特征中的長(zhǎng)距離時(shí)空依賴(lài)關(guān)系，還能夠?qū)崿F(xiàn)不同時(shí)間維度的生理特征的有效融合，減少了特征冗余，確保特征精度；最后，根據(jù)深層快速特征和深層慢速特征，得到生理信號(hào)，實(shí)現(xiàn)rppg信號(hào)的提取和檢測(cè)，進(jìn)而能夠有效地提高生理信號(hào)的精準(zhǔn)度和可靠性。

18、本申請(qǐng)的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本申請(qǐng)而了解。本申請(qǐng)的目的和其他優(yōu)點(diǎn)可通過(guò)在說(shuō)明書(shū)、權(quán)利要求書(shū)以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

技術(shù)特征：

1.一種生理信號(hào)處理方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的生理信號(hào)處理方法，其特征在于，所述對(duì)所述面部長(zhǎng)序列視頻數(shù)據(jù)進(jìn)行處理，得到所述面部長(zhǎng)序列視頻數(shù)據(jù)的時(shí)空特征，包括：

3.根據(jù)權(quán)利要求1所述的生理信號(hào)處理方法，其特征在于，所述根據(jù)所述時(shí)空特征，得到初始快速特征和初始慢速特征，包括：

4.根據(jù)權(quán)利要求1所述的生理信號(hào)處理方法，其特征在于，所述根據(jù)所述初始快速特征，結(jié)合時(shí)序差分模塊，得到深層快速特征，包括：

5.根據(jù)權(quán)利要求4所述的生理信號(hào)處理方法，其特征在于，所述根據(jù)所述初始快速特征和所述初始慢速特征，結(jié)合所述時(shí)序差分模塊，得到深層慢速特征，包括：

6.根據(jù)權(quán)利要求1所述的生理信號(hào)處理方法，其特征在于，所述時(shí)序差分模塊包括：

7.根據(jù)權(quán)利要求6所述的生理信號(hào)處理方法，其特征在于，所述雙向狀態(tài)空間結(jié)構(gòu)包括：

8.根據(jù)權(quán)利要求1所述的生理信號(hào)處理方法，其特征在于，所述根據(jù)所述深層快速特征和所述深層慢速特征，得到生理信號(hào)，包括：

9.一種生理信號(hào)處理裝置，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中存儲(chǔ)有處理器可執(zhí)行的程序，其特征在于，所述處理器可執(zhí)行的程序在由處理器執(zhí)行時(shí)用于實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的一種生理信號(hào)處理方法。

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了生理信號(hào)處理方法、裝置和介質(zhì)，應(yīng)用于生理信號(hào)處理技術(shù)領(lǐng)域，方法包括：獲取面部長(zhǎng)序列視頻數(shù)據(jù)；對(duì)面部長(zhǎng)序列視頻數(shù)據(jù)進(jìn)行處理，得到面部長(zhǎng)序列視頻數(shù)據(jù)的時(shí)空特征；根據(jù)時(shí)空特征，得到初始快速特征和初始慢速特征，初始快速特征和初始慢速特征分別為表示不同時(shí)間維度的特征；根據(jù)初始快速特征，結(jié)合時(shí)序差分模塊，得到深層快速特征，時(shí)序差分模塊用于基于預(yù)設(shè)的狀態(tài)空間模型進(jìn)行特征提??；根據(jù)初始快速特征和初始慢速特征，結(jié)合時(shí)序差分模塊，得到深層慢速特征；根據(jù)深層快速特征和深層慢速特征，得到生理信號(hào)。本申請(qǐng)能夠有效地提高生理信號(hào)的精準(zhǔn)度和可靠性。

技術(shù)研發(fā)人員：余梓彤,羅朝旗,謝怡萍,崔亞文
受保護(hù)的技術(shù)使用者：大灣區(qū)大學(xué)（籌）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2