一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法 [0002] 呼吸和心率是人体最重要的生理参数，它们实时反映着人体的生理状态及健康信 息。阻塞性睡眠呼吸暂停综合征，是一种常见且对人类健康影响很大的疾病，在成年人中其 患病率约为2%?4%，临床症状以睡眠时打鼾，呼吸暂停为主。临床上的研究通常用接触 式的传感器记录受试者睡眠时的呼吸情况，这些测量方法通常会带给受试者很大的负担， 因此临床急切需求一种无损的，非接触式的生理参数测量方法。 [0003] 常用的呼吸检测手段大概有以下几种：1.通过放置在鼻孔通气处的热电偶记录 呼气及吸气时空气温度的变化实现呼吸的测量。2.通过绑置在胸口的传感器记录胸口呼气 及吸气时胸口压力及运动位移的变化来实现呼吸的测量。 [0004] 常用的心率的检测方法主要有以下几种：1.通过光电方法检测手指末端血液容 积的变化以实现心率测量。2.通过放置在体表皮肤电极的电位变化来实现心率的测量。 3.通过放置在桡动脉处的压力传感器记录血管脉动时的压力变化实现心率的测量。 [0005] 以上这些测量方式在实验室及医院中有着广泛的应用，但比如对阻塞性睡眠呼吸 暂停综合征患者进行实时的生理参数监测时，这些测量方式操作上的麻烦及测量传感器或 直接或间接地接触人体可能会干扰患者睡眠状态，这些因素限制了常用的接触式测量方法 在阻塞性睡眠呼吸暂停综合征中的应用。 [0006] 红外辐射是在可见光之外直至与毫米波相接，处于0. 7 μ m-300 μ m的电磁波段， 是人眼看不到的光线。自然界中凡是温度高于绝对零度（_273°C)的任何物体都能产生红 外辐射，皆可视为红外辐射源，人体也是一个红外辐射源，其辐射的峰值波长为9. 348 μ m， 根据人体的热辐射特性，选取与之匹配的红外探测器探测人体的热辐射，根据测得辐射量 的大小，便可知道温度的变化。人体呼吸的气流和反映心率的脉搏携带了与温度关联的信 息特征，通过对温度信息的计算分析可以获得人体呼吸和心率的特征参数。 [0007] 热红外技术用来获取人体表面信息的优点：不接触体表，无副作用，可以反复多次 进行，可以在短时间内获取全身的皮肤温度变化特征从而获得人体机能状态的大量信息， 操作简便，测定部位与温度之间可以做定量的分析。
[0008] 经验模式分解由Huang于1998年提出，它是基于数据局部特征的，它可把复杂的 数据分解成有限的固有模式函数分量，由于分解是基于信号时域局部特征的，因此分解是 自适应的，特别适合用来分析非平稳非线性的时间序列信号，它能清晰地分辨出交叠复杂 数据的内蕴模式，但其主要缺陷就是模式混淆现象的产生，利用白噪声的集成经验模式分 解可以克服模式混淆问题，该方法在很多领域得到了有效应用。



[0009] 本发明所解决的主要技术问题是利用构建的红外动态图像采集系统建立红外序 列图像数值分析算法实现人体呼吸及心率生理信息的非接触式的测量。本发明所采用的技 术方案如下：
[0010] 1.在适当温度，湿度，通风环境中，利用构建的红外动态图像系统采集受试者红外 序列图像，这里需要固定红外摄像头正对受试者侧面，并且在实验过程中，要求受试者控制 自主的不必要的头部运动。
[0011] 2.利用Ostu方法二值化获得的序列图像，然后根据所得序列图像的重心获得受 试者在图像采集期间的重心的位置变化信号。此时，受试者头部运动几乎都是由呼吸引起 的非自主运动，因此，可以从重心的二维变化信号中分别获得受试者的呼吸波形。
[0012] 3.分别选取红外序列图像中的颞浅动脉上行面部区域和鼻孔周围区域作为感兴 趣区，只需要选择包含太阳穴区域的正方形作为感兴趣区。鼻孔周围感兴趣区可以选取为 鼻孔下侧出气位置的正方形即可。然后对序列图像中感兴趣区域的像素值进行时序计算分 析。
[0013] 4.鼻孔周围的感兴趣区可直接计算正方形区域的均值，均值的变化记录了受试者 呼气，吸气温度的差异，也即受试者的呼吸信号。包含太阳穴区域的感兴趣区则需要把其时 间序列信号通过集成经验模式分解，然后对分解的结果进行AR功率谱分析，即可通过功率 范围确定呼吸信号及心率信号。
[0014] 本发明具有如下优点：
[0015] (1)对受试者在红外传感器视场平面的头部运动进行分析，通过质心法去除了以 呼吸运动为主的头部视场面运动的干扰，使得感兴趣区在每帧图像中保持在相同的位置， 这样通过每帧图像感兴趣区提取的信号才能可靠地反映血管脉动变化信息，同时该运动信 号实质上也代表了呼吸信号。
[0016] (2)对感兴趣区进行重心法分析，重心法既考虑了像素的位置信息，又考虑了像素 的灰度值信息，从而更全面的记录了感兴趣内血管脉动产生的温度变化信息。
[0017] (3)利用集成经验模式分解对时间序列信号进行了特征信号分离，集成经验模式 分解完全由数据自身驱动，避免了小波变换需要在信号分析之前选择适当小波基以及传统 经验模式分解可能有的信号混叠问题。
[0018] (4)利用自回归模型进行功率谱分析，克服了传统傅里叶变换后信号谐波分量对 结果识别的影响。
[0019] (5)实现了利用红外序列图像进行心率、呼吸的无损非接触式检测，该方法实现方 便，操作简单，可广泛的应用在家用及术中监控等场合。




[0020] 图1本发明的方法流程图
[0021] 图2通过检测头部运动得到的呼吸信号
[0022] 图3通过鼻孔下端感兴趣区得到的呼吸信号
[0023] 图4集成经验模式分解的结果
[0024] 图5呼吸及心率信号功率谱分析的结果


[0025] 本发明的方法流程图如图1所示，具体如下：
[0026] 1.构建红外动态图像采集系统
[0027] 红外动态图像采集系统由以下三部分组成：1. FLIR红外长波传感器（NETD〈90mk at30°C)，2.大恒图像采集卡（VT140)，3.计算机工作站（DELL precision T5500)。
[0028] 2.红外序列图像的采集
[0029] 红外视频采用PAL格式，帧速度为25帧/秒，存储格式为8bit的灰度图像，灰度 值的大小与被测温度的高低成线性关系，分辨率为768pi Xel*576piXel。受试者在被检测之 前，必须先在检查室内休息15分钟以上，以适应环境温度达到热平衡状态。然后受试者平 静地坐在椅子上，同时要求受试者在采集的时候不能任意转动头部，因为考虑到长时间采 集图像会引起受试者很多的头部无规则的运动，并且心率呼吸信号本身就是非平稳信号， 长时间信号的频谱分析结果并不能代表此信号的瞬时频率值，因此实验采集时间被设置为 20s。红外传感器对准受试者的左太阳穴处进行图像采集，采集的视频流通过图像采集卡实 时存储在计算机工作站中。
[0030] 3.头动去除方法
[0031] 受试者虽被要求不能任意的左右转动头部，但在试验过程中受到呼吸运动的影 响，受试者头部会在红外传感器视场平面上下或前后运动，为此提出了以下步骤进行处 理：
[0032] 由于面部皮肤温度相对周围组织温度较高，因此可利用Ostu方法对图像进行二 值化，然后计算二值化图像的重心，每帧图像重心坐标的变化反映了受试者头部在红外传 感器视场平面的运动位移，具体公式如下：
[0033] hormotion(i) = centroid (i). χ-centroid (1). x ；
[0034] vermotion(i) = centroid(i). y-centroid(1). y ；i = 1,2,3......500
[0035] Centroid (i)代表第i帧图像的质心坐标，分别与初始帧的质心坐标相减，从而得 到质心坐标在水平方向及垂直方向的运动趋势，即受试者的头动位移，结果见图2。
[0036] 4.感兴趣区的选取
[0037] 本方法中共选取了两个感兴趣区，一个在太阳穴处，一个位于鼻孔下端。因为测量 采用的红外传感器是比较低端的非制冷型传感器，所以在图像中不能直接得到太阳穴处颞 浅动脉的精确位置，但从灰度对比度上，包含血管的区域的灰度平均值比周围组织的温度 要高一些，因此，可在太阳穴区域选取一个具有较高灰度值的方形区域作为感兴趣区，通常 该方形区域的面积会比较大，以确保该感兴趣区内有血管的存在。鼻孔下端的感兴趣区可 以直接从红外图像的鼻孔下端选定一个正方形区域即可。
[0038] 5.重心法
[0039] 感兴趣区的选择决定了只通过记录血管位置像素灰度值的变化来构成时间序列 信号是达不到的，因此，本发明应用了重心法：
[0040] 定义感兴趣区内坐标为（m，η)上的像素 f(m，η)的（p+q)阶距为
[0041]