基于面部視頻的非接觸式血流信號檢測系統(tǒng)研究與實現(xiàn).pdf

1、隨著光電容積脈搏波描記法（PhotoPlethysmoGraphy，PPG）的不斷進步，越來越多的研究者們開展了非接觸式生理信號檢測方法的研究，利用各種不同的信號處理方法可以從面部視頻信號中提取出具有研究意義的生理信號，如血容量變化脈沖(Blood Volume Pulse，BVP)、眼動信號等。通過對BVP信號的進一步分析，可以得到心率、呼吸率、心率變異性、血氧飽和度、血壓等生命體征參數(shù)，這些參數(shù)能夠準確地反映出人體健康狀況水平和情感

2、狀態(tài)。因此，非接觸式生理信號檢測方法在醫(yī)療健康、疲勞檢測以及情感識別等領(lǐng)域中有著極其重要的研究價值。
　　目前，基于PPG技術(shù)的非接觸式生理信號檢測方法的研究主要分為兩大類:一類為直接將綠色通道分量作為BVP信號進行生命體征參數(shù)提取的G-BVP方法;另一類為使用獨立分量分析（Independent Component Analysis，ICA）等盲源分離技術(shù)從三基色通道信號中分離出BVP信號的ICA-BVP方法，兩種方法得到的BV

3、P信號不同，對后續(xù)的信號處理步驟也產(chǎn)生一定的影響?，F(xiàn)有的研究結(jié)果并沒有完全展現(xiàn)出兩種方法各自的優(yōu)缺點，因此本文主要針對G-BVP方法和ICA-BVP方法在不同場景下的性能和特點進行了比較，大量實驗結(jié)果表明G-BVP方法具有較高的運算效率，而ICA-BVP方法在消除運動和光照干擾方面具有較明顯的優(yōu)勢，表現(xiàn)出較好的穩(wěn)定性和準確性。主要工作如下:
　　1)本文首先在對面部視頻進行預處理操作的準備工作中，分析比較了使用人臉檢測算法和運動目

4、標跟蹤算法給后續(xù)處理過程帶來的影響，對比兩種算法得到的原始信號和提取的BVP信號，選擇Mean shift跟蹤算法進行面部目標跟蹤。并且對幾種常用的ICA方法進行了研究，比較這些方法在BVP信號提取以及后續(xù)生命體征參數(shù)計算過程中的影響，考慮算法的執(zhí)行效率和平臺移植性，分析不同算法的優(yōu)缺點，最終選擇SOBI算法作為本文ICA-BVP方法的主要算法。
　　2)對G-BVP方法和ICA-BVP方法在不同場景下的性能進行了對比分析，基于不

5、同條件下所拍攝的面部視頻，研究了分析區(qū)域選擇、面部器官自然運動和光照變化等因素引起的干擾成分對BVP提取效果的影響。
　　3)在ICA-BVP方法的具體實現(xiàn)過程中，針對ICA輸出排序不確定性問題，提出了將譜峭度應用到BVP信號自動識別方法中，對ICA的三路輸出信號分別計算譜峭度，將其中譜峭度值最大的一路信號作為BVP，該方法在動態(tài)BVP信號獲取和生命體征參數(shù)提取實驗中取得了較理想的測試效果。
　　4)基于Visual Stu