基于图像处理技术的心率检测软件设计与实现

摘 要：随着智能手机可用于心率等重要生命特征参数及其变化的监测，和用户对心率检测软件的实时性要求。本文介绍了基于图像处理技术的心率检测软件设计与实现的方法，研究了一种新的基于融合两种采样方法的检测方法，提出了手机集成检测方案并实现了相应的演示系统。通过与专业检测设备对比，验证了方法的有效性。

关键词：心率检测；图像处理技术；手指RGB信号；人脸RGB信号序列

DOI：10.16640/ki.37-1222/t.2016.11.248

1 引言

心率是指心脏每分钟跳动的次数，它是反映心脏是否正常工作的一个重要参数。目前，心率信号检测与处理迅速发展为一个研究热点，随着医学知识与图像处理技术的不断发展和进步，日常监测人体各类生理信号也已经实现。现代技术也在更好的应用于心率图像信号研究，本文的研究工作是基于Android手机平台的心率检测软件，以便更理性、更科学地揭示心率的实质与特征。

市面上基于智能手机平台的心率检测软件已经出现，处于初级阶段，但也能让用户随时随地测量心率，这样非常简单、方便、快捷。英国布鲁内尔大学Pelegris等人研究了手机上心率的检测，并将结果发表在《IEEE生物医学工程会刊》上，然而他们在心率信号处理没有考虑噪音消除或抑制，检测结果受噪音影响较大。

因此，如何提高心率监测精确度和可靠性，是本文重点关注的问题。其中保障检测心率准确率的重点主要在于心率监测中所采用的图像处理算法，所以我们计划尝试不同的图像处理算法并进行大量实验，以期求得最为准确的心率。实验证明，通过以上方案之后，检测结果比较理想。

2 数据采集方法

以下是对基于手指RGB信号和基于人脸RGB颜色信号序列的心率检测的算法进一步说明：

2.1 基于手指RGB信号的心率检测

（1）操作过程：当打开Android手机软件时，手机的摄像头和闪光灯也会被自动打开，用户通过将手指覆盖在摄像头上，摄像头旁的闪光灯做照射光源，手指紧贴在摄像头，指尖皮下血管由于有血液被压入，被光源照射的手指亮度（红色的深度）会有轻微的变化，将会使红色（信号）会随着心跳周期性地变暗，这个过程可以凭借感光元件捕捉到。这样毛细血管的搏动就能通过画面明度的周期性变化反映出来 （影响因素：手机摄像头采集手指颜色信号会受用户的手指摆放位置偏差、手指运动以及指压过大等因素的影响）。

（2）通过对形成的图像进行分析、对图像的RGB值进行一定的算法取值、对所有图像的取值按时间绘制成时域，做 FTT（快速傅里叶变换） 可以算得稳定的心率 （为了最大化降低上述影响，Pal 等[1]在研究中引入了有限状态机，通过设置启发式阈值来对颜色信号进行一定的筛选，能识别运动伪影和减少其他因素的影响，进而得到稳定的心率估计）。

2.2 基于人脸RGB信号序列的心率检测

（1）操作过程：当测完手指RGB信号后，平台将提示“是否进入人脸RGB信号序列的检测”，手机的前置摄像头会自动打开，用户通过将人脸靠近前置摄像头，利用人脸识别算法获得感兴趣区域，并把区域内的信号按 RGB 三个信道求出像素平均值，再对标准化后的信号进行时域图的波峰检测。

（2）首先将采集的图片统一成相同的尺寸，然后进行归类、统计，接下来就可以对输入图片中的感兴趣区域进行检测。自2010年，麻省理工学院多媒体实验室的Poh利用日光作为光源，使用独立成分分析从人脸视频图像中提取心率信号从而实现了心率检测（基于人脸 RGB 信号的心率检测，由Kwon 等[2]提出了基于手机摄像头的心率检测方法）。

3 Android手机平台的心率检测软件模块设计

3.1 信号获取模块

打开摄像头，保持闪光灯常亮，捕捉手指的颜色变化，接着打开前置摄像头，将人脸靠近前置摄像头，利用人脸识别算法获得感兴趣区域。

3.2 界面呈现模块

生成灰度值变化曲线（即原始信号），绘制心率曲线，显示心跳韵律、当前心率和测试时间。（心率稳定后暂停采样，计算心率时域图的波峰检测，从而得到稳定的心率估计），与心率标准做对比。

3.3 小波阈值去噪模块

数字转换模块与系统控制模块之间建立内部联系后，用小波阈值去噪函数算法，对采样的心率信号进行去噪处理，求得瞬时心率值，生成新的心率信号。

3.4 心率计算模块

对新生成的心率信号进行融合检测算法和寻峰算法，计算波峰出现次数及总体采样时间，计算心率（检验算法）。

3.5 信号捕获实现模块

手机摄像头取景，把视频流转换成位图格式的图像，再对图像进行处理和识别，显示心率值并存储于个人数据库。

参考文献：

[1]Pal A，Sinha A，Choudhury AD， et al. A robust heart rate detection using smart-phone video[C]. Proceedings of the 3rd ACM Mobi Hoc workshop on Pervasive wireless healthcare， 2013：43-48.

[2]Kwon SJ， Kim H， Park KS. Validation of heart rate extraction using video imaging on a built-in camera system of a smartphone [C].2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society， 2012：2174-2177.

[3]李战明，郑蕾，韦哲.基于解析小波的心音信号时频能量图谱分析[J].医疗卫生装备，2010，31（07）：12-14.

[4]罗强，田化梅，罗萍等.基于平稳小波变换的心电信号去噪研究[J].计算机与数字工程.

[5]唐弘玲，基于信号处理的手机心率.

[6]朱珍民，郭高安，马官慧，许晓莹.基于智能手机的生命参数检测方法研究.

作者简介：马彩云（1994-），女，山东德州人，本科在读，研究方向：生物医学工程。