1.一种峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于:包括如下步骤:
步骤1:对近红外视频数据采集和预处理:通过NIR即近红外摄像机捕捉近红外灰度图像并将其组合成视频,利用标椎化算法将原始信号进行标准化处理;
步骤2:选取感兴趣的区域ROI:通过人脸识别定位到人体面部之后对面部进行特征点定位,通过特征点选取ROI,组合不同的ROI和测试不同的距离以及光线影响从而确定最佳实验环境、最佳距离及最佳组合ROI;
步骤3:进行去噪和计算心率:通过获得的标准化的心率数据,对其使用经验模态分解,滤除其中的高频噪声和低频趋势,通过盲源分析法提高信噪比,经去噪处算法处理过的信号输出的的顺序未知,最终通过峰值信噪比和皮尔森相关系数融合的方法来确定最佳的信号,从而转到频域计算最终心率,通过峰值信噪比和皮尔森相关系数融合的方法的过程为:每组ROI经过信号去噪处理之后,都会得到一个与原始信高度相关的去噪信号,根据去噪信号分别计算其峰值信噪比和皮尔森相关系数,从多组ROI信号对应的峰值信噪比中选取最佳的峰值信噪比,从多组ROI信号对应的皮尔森相关系数中选取最佳的皮尔森相关系数,并对最佳的峰值信噪比和皮尔森相关系数对应的心率进行比较,最终确定心率的最优信号。
2.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于:所述步骤1中,近红外灰度图像的采集是通过NIR相机采集,所述NIR相机与传统普通彩色摄像机相比,不需要稳定的光源,能够在暗环境中运行。
3.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于:所述步骤1中,原始灰度图像只具有单通道的灰度信息,无法组成视频,通过将单通道的灰度信息复制三份,分别各R,G,B三通道,组成深度视频;对原始数据进行标准化处理,通过原始数据的均值和标准差进行数据标准化原始数据转变为无量纲的数据。
4.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于:所述步骤2中,运用人脸识别算法来对多个ROI进行稳定追踪,并根据ROI,进行多种组合实验。
5.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于:所述步骤2中,根据人体头部血管分布图,选取血管位置最为密集的区域标定为ROI。
6.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于:所述步骤3中,将原始信号分解为多个IMF本征模函数和残余信号,从而滤除其中的高频噪声和低频趋势,对剩余的信号进行重构。
7.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于,所述步骤3中,对重构处理过后的信号信噪比较低,以及突变噪声未能去除的特性,提出使用盲源分离法来提高原始信号的信噪比,以及解决信号中噪声突变的情况,使心率计算更加准确。
8.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于,所述步骤3中,由面部呼吸和表情变化以及头部晃动带来的高频趋势和低频噪声均通过经验模态分解加以去除,将处理的信号通过盲源分析法以提高信噪比,使其波形具有明显的信息信号特征。
9.根据权利要求1所述的峰值信噪比和皮尔森相关系数融合的近红外心率检测方法,其特征在于,所述步骤3中,通过傅里叶变化,可直接在频率计算心率值的大小。