(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211078530.9 (22)申请日 2022.09.05 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区沙正 街174号 (72)发明人 杜晨秋　李百战　刘红　张少星　 (74)专利代理 机构 北京盛凡佳华专利代理事务 所(普通合伙) 11947 专利代理师 汤镇宇 (51)Int.Cl. A61B 5/024(2006.01) G06V 10/25(2022.01) G06V 40/16(2022.01) (54)发明名称 一种便捷式心率 监测方法 (57)摘要 本发明公开了一种便捷式心率监测方法， 所 述便捷性心率监测方法如下： 第一步骤： 通过人 脸特征抓取模块检测人脸部特征点， 得到面部监 测区域数据集和背景监测区域数据集； 第二步 骤： 视频信号的去噪处理， 本发明通过人脸特征 抓取模块检测人脸部特征点， 并选中脸部感兴趣 区域， 而后追踪整个视频时间段的脸部感兴趣区 域， 得到面部监测区域数据集和背景监测区域数 据集， 通过对面部监测区域数据集和背景监测区 域数据集利用偏最小二乘法将两个数据集共有 的光照信息去除， 得到无环境光影 响的面部监测 区域数据集， 从而消除光环境的影响， 得到更加 准确的心率结果。 权利要求书1页 说明书5页 CN 115299912 A 2022.11.08 CN 115299912 A 1.一种便捷式心率 监测方法， 其特 征在于， 所述便捷性心率 监测方法如下： 第一步骤： 通过监测摄像头实时监测人体运动视频， 通过人脸特征抓取模块检测人脸 部特征点， 并选中脸部感兴趣区域， 而后通过追踪学习检测方法追踪整个视频时间段的脸 部感兴趣区域， 得到面部监测区域数据集和背景监测区域数据集。 第二步骤： 视频信号的去噪处 理， 通过小 波阀值法对视频信号噪音 进行去除； 第三步骤： 面部监测区域数据集和背景监测区域数据集提取出后， 利用偏最小二乘法 将两个数据集共有的光照信息去除， 得到无环境光影响的面部监测区域数据集， 通过多变 量经验模态分解法提取心率信号， 经峰值检测计算出心率 值。 2.根据权利要求1所述的一种便捷式心率监测方法， 其特征在于： 所述追踪学习检测方 法包括追踪器、 机器学习和检测器， 其中， 追踪器： 跟踪连续帧之间的位置， 仅当物体可见时追踪器有 效， 追踪器根据物体在前一 帧的位置估计物体在当前帧的位置， 由此会产生物体的运动轨 迹， 为机器学习提供了样本； 检测器的作用是为了估计追踪器的误差， 若追踪器产生的误差很大就改进追踪器的结 果。 检测器会对每一帧的画 面做全面的扫描， 找到跟目标物体相近的位置， 并从检测结果中 为机器学习提供正样本和负样本。 此方法会从所有的正样本当中选择出一个最可靠的位置 来作为这一帧追踪学习检测算法的输出， 并将这个结果作为追踪器下一帧的起始位置； 机器学习： 机器学习是根据追踪器和检测器提供的正样本和负样本进行评估， 并根据 评估结果迭代训练分类 器， 不断改进检测器的准确度。 3.根据权利要求1所述的一种便捷式心率监测方法， 其特征在于： 所述小波去噪的具体 操作如下： S1： 对信号进行小波变换， 对变换后的信号计算小波系数Wi1， 前提条件是选好小波基p (x)和分解层次M； S2： 设定好阈值 函数和阀值 规则， 然后筛 选出符合 规则的系数， 获得估计小 波系数Wi1； S3： 利用估计小 波系数重构信号， 获得新的信号， 从而完成去噪。 4.根据权利要求1所述的一种便捷式心率监测方法， 其特征在于： 第一步骤中， 人脸特 征抓取模块检测人脸特 征点的具体操作如下： 利用视频得到所有帧数人脸图像， 再对每一帧图像采用SO ‑CLM得到50 ‑60组脸部绿色 特征点和9组脸部红色主要特征点， 50 ‑60组脸部绿色特征点主要分布在脸部五官外围， 而9 组脸部红色主 要特征点主要分布在鼻翼两端。 5.根据权利要求4所述的一种便捷式心率监测方法， 其特征在于： 9组脸部红色主要特 征点选取鼻翼两端区域内的较少数量， 9组脸部红色主要特征点构成多边形区域， 该多边形 区域内部的所有像素点 就构成了面部监测区域， 其 他区域为背景区域。 6.根据权利要求1所述的一种便捷式心率监测方法， 其特征在于： 面部监测区域数据集 和背景区域数据集的获取 方法如下： 在划分的面部监测区域和背景监测区域中， 计算各自的空间RGB颜色通道像素平均值， 对每个通道内的所有像素值进 行空间平均， 由此构成面部监测区域数据集和背景监测区域 数据集。权　利　要　求　书 1/1 页 2 CN 115299912 A 2一种便捷式 心率监测方 法 技术领域 [0001]本发明涉及监测方法， 特别涉及一种便捷式心率监测方法， 属于心率监测技术领 域。 背景技术 [0002]心率不仅可以反映人体的健康状况， 而且可以反映人体 的运动情况。 对心率的实 时检测可以帮助人们随时了解自己的身体状况。 同时， 也可以指导人们控制运动量， 随着人 们对健康越来越关注， 运动也受到 当代人的重视。 对心率的实时、 无创监测一定程度上能够 避免由于心血 管疾病等因素引起的意外事 件的发生。 [0003]传统的心率测量设备大部分都需要直接接触人体才能工作， 对被测量者有很大的 束缚性， 并且有些设备代价昂贵， 远远无法满足大众对健康监测的需求， 目前， 基于视觉设 备的非接触感知在诸如机器视觉、 视频监控、 车辆或人脸的识别与跟踪、 体感游戏等许多 领 域的应用越来越广泛， 因此， 如何基于非接触式的视觉相 机对心率进行测量将为心率测量 提供一种 更为有效、 灵活的技术手段， 基于非接触式的视觉相 机对心率进行测量需求设备 简单， 价格便宜， 甚至可以借助一些现有的设备来完成心率测量过程， 同时， 由于是非接触 式心率测量， 不仅不会引起被测量者任何不适， 还能够在不同的环境下进 行测量， 适用范围 广。 [0004]然而， 从光电容积脉搏波中提取心率时， 最大的难点是检测到 的光电容积脉搏波 很容易受到外界因素的干扰， 特别是运动和光源等因素的影响， 使得测量结果出现偏差 。 发明内容 [0005]本发明的目的在于提供一种便捷式心率监测方法， 以解决上述背景技术中提出的 问题。 [0006]为实现上述目的， 本 发明提供如下技术方案： 一种便捷式心率监测方法， 所述便捷 性心率监测方法如下： [0007]第一步骤： 通过监测摄像头实时监测人体运动视频， 通过人脸特征抓取模块检测 人脸部特征点， 并选中脸部感兴趣区域， 而后通过追踪学习检测方法追踪整个视频时间段 的脸部感兴趣区域， 得到面部监测区域数据集和背景监测区域数据集。 [0008]第二步骤： 视频信号的去噪处 理， 通过小 波阀值法对视频信号噪音 进行去除； [0009]第三步骤： 面部监测区域数据集和背景监测区域数据集提取出后， 利用偏最小二 乘法将两个数据集共有的光照信息去除， 得到无环境光影响的面部监测区域数据集， 通过 多变量经验 模态分解法提取心率信号， 经峰值检测计算出心率 值。 [0010]作为本发明的一种优选技术方案， 所述追踪学习检测方法包括追踪器、 机器学习 和检测器， 其中， [0011]追踪器： 跟踪连续帧之间的位置， 仅当物体可见时追踪器有效， 追踪器根据物体在 前一帧的位置估计物体在当前帧的位置， 由此会产生物体的运动轨迹， 为机器学习提供了说　明　书 1/5 页 3 CN 115299912 A 3