非接触式视觉生理体征参数检测研究

赵津发 柴荣轩 陈炜

（天津理工大学天津市先进机电系统设计与智能控制重点实验室机电工程国家级实验教学示范中心 天津市 300384）

1 非接触式视觉生理体征参数检测的技术背景和理论基础

1.1 人体的光学性质及脉搏波的形成

Anderson等人对人体组织的光学特性进行系统研究，得到皮肤各层结构中有不同的光学性质，指出波长越短的光，进入人体皮肤的深度越浅，波长越长的光，进入人体皮肤的深度越深[1]。

在一个心跳周期中，有收缩期和舒张期两个部分，脉搏波形成过程如图1所示。

图1：脉搏波的形成

根据人体的光学性质，脉搏波可分为直流分量（DC信号）和交流分量（AC信号）。肌肉组织、动脉血中的非脉动部分和静脉血对光的吸收为直流分量，且对光的吸收基本保持不变。当心脏收缩时，血管中的血液量增加，光的吸收量增加；当心脏舒张时，血管中的血液量减少，光的吸收量降低。规律性的收缩与舒张，使光的透射或反射呈周期性变化，该变化构成了脉搏波的交流分量。

1.2 非接触式视觉生理体征参数检测原理及优势

生理体征参数的检测分为有创式、接触式和非接触式。有创式虽然检测精度高，但会给患者带来痛苦且需要专业医护人员操作。由于接触式检测存在一定的局限，非接触式检测逐渐引起学者的关注。近些年，非接触式检测得到快速的发展，该项技术无需与患者接触即可检测相应生理参数，按测量原理可分为以下几种检测方式：

（1）激光检测：采用多普勒测振仪LDV(Laser Doppler Velocimetry)测量皮肤震动。

（2）电磁检测：采用微波多普勒雷达测量皮肤震动。

（3）视觉检测：采用摄像头采集人体相关部位来检测皮肤颜色变化。

表1对上述检测方法的优缺点进行了对比总结。

表1：非接触式生理体征参数检测的优缺点对比

由表1可知，视觉非接触式检测优点较为突出。视觉非接触式检测的核心是IPPG技术，该技术和反射型PPG（photoplethysmo graphy）相似，以朗伯-比尔定律为基本原理，使用相机来代替PPG的光源，从而获取光线透过皮肤后的反射光，通过光穿过皮肤表层后的衰减特性感知人体的脉搏波信号，进而实现非接触式测量。

2 基于IPPG技术的生理体征检测

在非接触式视觉生理体征检测技术中，IPPG是最为核心的一种技术。实现基于IPPG技术的非接触生理体征参数检测的步骤为：

（1）获取视频图像。

（2）提取出感兴趣区域（region of interest, ROI）。

（3）从提取的ROI区域图像中获取脉搏波。

（4）将脉搏波处理后得到相关生理体征参数。

2.1 设备的选取和相关参数的设置

指夹式血氧仪普遍用于心率和血氧饱和度结果对比。其心率误差范围为±2 bmp，血氧饱和度误差范围为±2%，根据表2检测误差标准所示，可作为金标准对比。目前IPPG技术在心率、呼吸率和血氧饱和度的检测方面较为成熟，如表3、表4所做的相关研究。理论上也能检测血压和心率变异性，但相关研究较少。

表2：国家和军队现行检测误差标准[2]

由表3可知，普通家用摄像机，甚至手机相机即可对心率、呼吸率进行非接触式检测，对于心率的检测最低帧数可设置在15fps，可以看出心率和呼吸率检测对摄像头的要求并不高。其中刘颖对于心率的检测误差较大，其原因为人脸检测存在误检率[3]。随着非接触式视觉检测研究和相机设备性能不断发展，对相机的帧数要求基本固定在30fps，视频的拍摄时间也缩短至20～30s，加快了运算处理速度。

表3：心率、呼吸率设备的选取和相关参数的设置

相对心率、呼吸率的检测，血氧饱和度的检测对相机要求更高，帧率的最低要求为25fps[10]。由血氧饱和度检测原理可知，至少需要两个光源才能进行检测。表4为血氧饱和度设备的选取和相关参数的设置。

表4：血氧饱和度设备的选取和相关参数的设置

由表4可知，目前有三种基于非接触式视觉检测的血氧饱和度设备方案：

（1）两个CCD相机加两个滤光片，同时进行检测；由于两个相机只能同时拍摄同一部位，所以当人体移动后需要重新对焦，操作起来较为复杂。

（2）一个CCD彩色相机加不同波长光源，间歇更换滤光片进行检测；单个相机采集无法有效屏蔽其他波段的环境光，所以得到准确的检测结果较为困难。

（3）一个网络摄像机，分离出红、蓝两通道进行检测；与前两种方法相比不仅解决了对焦和不同波长光的选择问题，而且成本更低。

2.2 ROI区域的选择

常规录制视频中，复杂背景等其他因素的干扰会导致得到的视频信噪比较低，所以需要对视频进行ROI区域的选取，得到需要部分的视频图像。根据表3、4可知ROI区域基本选在脸部、手臂等毛细血管多的人体部位。与腕部脉搏波的提取相比，非接触式视觉生理参数检测把脸部作为ROI区域研究更多。

由于选取脸部作为ROI区域，人脸检测成为非接触式视觉生理体征检测关键部分。表5是不同人脸检测方法的优缺点对比。

表5：人脸检测方法优缺点

特征人脸检测是非接触检测的常用方法，该算法在大多数情况下使用Adaboost算法进行训练，利用Haar特征表示人脸，建立层级分类器[10,15]。虽然该人脸检测算法最初都是检测人正脸图像，相对侧脸检测稳定性较差，但是该算法仍有研究价值。汪秀军等人使用神经网络对人脸进行检测，最终把鼻子作为ROI区域，并验证了结果的有效性[14]。深度学习框架中的SSD（Single Shot MultiBox Detector）模型采用脸部关键点进行识别，可在Haar特征检测时，避免头部旋转造成的误差。眼睛眨动与嘴巴晃动也会对信号的提取造成误差，为进一步降低误差，可屏蔽眼睛和嘴巴[16]。

表6：不同光照强度下心率误差对比

表7：针对运动伪差三种算法对比[25]

2.3 脉搏波的信号提取

视频采集方式不同，脉搏波的提取方法也有所不同。在非接触检测中相机本身会产生噪声，硬件之间的连接也会存在噪声，不同光线的干扰、人体的微小晃动等都会降低检测的准确性。

范强[11]在信号采集前对相机安装带通滤波片，可有效降低环境中其他光线的干扰，使用图像配准和小波分解的自适应滤波去除因人体呼吸、位置变化引起的运动伪差，对相关设备产生的噪声进行阈值去噪。

直接提取彩色相机各通道的均值并不可靠。Poh等人[17]为了提高信号的准确性，对彩色相机使用了独立成分分析法（Independent component analysis, ICA），分离出红、蓝、绿三通道信号，在ICA返回信号中选择最高功率谱峰的通道作为心率和呼吸率的脉搏波信号。Lewandowska等人[24]在Poh工作基础上认为脉搏波信号存在于BGR三通道中，因此使用了盲源分离（Blind Source Separation，BSS）的主成分分析（Principal Component Analysis，PCA）来取代ICA。但光照亮度会影响RGB三通道，而该方法同时需要RGB三通道，所以当光强发生变化时会对结果产生一定影响。ICA方法从某种程度上推进了IPPG技术的发展，在近几年的研究中经常被用到作为脉搏波提取的必要环节[2,18]。

近些年，欧拉影像放大法被运用到了非接触生理参数检测中。其中马良[12]，刘彦宏[19]，苏培权[7]，刘鸿程[9]等采用了欧拉影像放大技术实现了对相应参数的提取。欧拉影像放大技术简单流程如图2所示，该技术主要包括：

图2：欧拉影像放大

（1）空间滤波。将视频序列进行金字塔多分辨率分解；

（2）时域滤波。对每个尺度的图像进行时域带通滤波，得到感兴趣的若干频带；

（3）放大滤波结果。对每个频带的信号用泰勒级数来差分逼近，线性放大逼近的结果；

（4）合成图像。合成经过放大后的图像。

计算经欧拉影像放大处理后的每一帧图像ROI区域灰度均值，将得到的结果随帧序列进行排序即得到相应的脉搏波信号。最后使用小波变换等方法进行去噪处理[12]。王倩等人对欧拉影像放大法进行加速处理，提出一种直接对RGB颜色空间进行放大的方法，相对由YIQ颜色空间转换到RGB颜色空间的传统算法，处理速度提升30%[20]。

2.4 相关对比实验

2.4.1 光照强度对实验结果的影响

光照强度单位为lux，根据国家照明标准GB 50034-2013规定，10～100lux属于弱光，如路灯照明强度；100～300lux属于室内自然光；300lux以上为外加光源强光。如表6所示，不同光照强度下心率误差的对比。

文献[3]误差较大的原因可能是人脸检测分类器虽然有较高的精度还存在着误检率；用于RGB 三通道信号提取的人脸图像含有部分背景会产生噪声以及摄像头分辨率等问题。文献[23]指出相同实验条件下，当人面部受光照不均匀时，平均误差达到了3.71 bmp。

2.4.2 运动伪差的消除

陈丹丹提出改进KLT人脸跟踪方法，对于心率的检测具有更好的一致性和相关性，该方法能有效的抑制运动伪差，可提高最后心率提取精度[5]。皮慧采用特征区域跟踪与颜色增强相结合方法，在无规律运动状态下进行测量，心率值的偏差为1.94%[6]。还有几种针对运动伪差消除的算法如表7所示。

JADE（Joint Approximate Diagonalization of Eigen-matrices）是一种基于高阶累积量张量的特征矩阵的联合近似对角化算法[25]。由表7可知，在提取独立成分时，与FastICA和PCA相比，JADE的平均误差最小，并且该算法的平均运行时间也最短。

3 基于IPPG技术生理体征检测的现状和发展

基于IPPG技术的生理体征检测方法避免因接触式检测复杂连线等对患者产生的不适，并降低了操作的复杂性，在降低二次传染中的作用显得尤为突出。近几年IPPG技术得到了快速的发展，从最初的CCD和CMOS相机到常规的网络摄像头，甚至手机摄像头。也从单一的心率检测向多生理体征参数检测发展。

虽然基于IPPG技术的生理体征参数检测相比传统生理体征检测有诸多优点，但也存在以下几个缺点：

（1）IPPG技术检测对血压和心率变异性检测技术还不成熟，能检测的参数较少，而且目前并没有对得到的参数进行病情分析。

（2）因距离检测存在的干扰较多，所以得到信号没有PPG获得信号的信噪比高。即使通过一些方法降低了干扰，仍无法避免获得一些无意义的信号。

（3）大多研究是对静止状态下人体检测，当人体因运动产生运动伪差后，测量结果精度会下降。如使用相应算法消除伪差，对设备运算能力和相机性能的要求也会相应增加。

（4）目前，仅有心率、呼吸率实现手持式设备检测，其他参数还无法达到可移动便捷检测。

4 总结

基于IPPG技术的生理体征参数检测具有简单、便捷、安全、成本低等优势，在紧急救治、临床检测中存在着巨大价值。但该技术现阶段并不成熟，算法优化、硬件选取、信号处理等方面仍有很大研究空间。随着设备性能的提高及相关技术的发展，非接触式视觉生理体征参数检测未来能更好的应用于生活和医疗等领域。