一种非接触式心率识别与异常监测方法及系统

本发明涉及康复与运动监测，具体涉及一种非接触式心率识别与异常监测方法及系统。

背景技术：

1、随着全民健康意识的提升与运动健身需求的增长，越来越多的运动锻炼人群希望在运动全过程实时监测自身心率，并依据心率变化评估身体疲劳程度与运动后恢复状态，以此规避因运动过量或恢复不佳引发的心慌、体能透支、旧伤复发等风险。这些人群的活动场景涵盖健身房、康复中心及运动场馆等，且每一类场景内部通常包含多个独立的功能分区（如健身房的有氧区、力量区、操课区；康复中心的训练区、平衡区、恢复区），运动锻炼人员在不同分区之间切换完成既定训练项目，这为在全过程连续心率监测中实现跨分区的持续追踪带来了特殊的场景需求。

2、目前运动场景下的心率监测主要分为两类：一是接触式可穿戴设备，依靠手环、胸带、心率贴等接触皮肤采集信号，在运动过程中出汗、肢体大幅度摆动、设备移位都会造成信号中断、数据失真，同时穿戴异物会影响肢体活动，不利于训练动作的标准度把控；二是传统单摄像头非接触式心率监测方案，该方案在静态场景下具有一定可行性，但人员在跑动、肢体训练、体位切换等动态运动过程中，易出现姿态偏移、画面遮挡、光照变化等问题，单一摄像头难以在多区域间持续追踪同一目标，导致心率信号监测稳定性差，从而难以精准判断恢复状态是否异常。

3、综上，现有监测方式在动态多区域运动场景下，因单一摄像头难以持续追踪多区域间运动的同一目标，导致难以获得完整连续的心率信号用以建立个体化恢复评估基准，从而难以实现对运动人员恢复状态的精准判定。

技术实现思路

1、本发明的目的在于提供一种非接触式心率识别与异常监测方法及系统，以解决现有技术中因单一摄像头难以持续追踪多区域间运动的同一目标，导致难以获得完整连续的心率信号用以建立个体化恢复评估基准，从而难以实现对康复人员运动恢复状态的精准判定的技术问题。

2、为解决上述技术问题，本发明具体提供下述技术方案：

3、一种非接触式心率识别与异常监测方法，包括以下步骤：

4、步骤s1、身份注册与基准采集：采集目标人员的人脸图像，提取人脸特征向量并与唯一身份标识绑定，建立个体身份数据库；同步采集所述目标人员的静息心率、心率恢复基线和安全心率区间，建立与所述个体身份数据库对应的个性化初始心率基准数据库；

5、步骤s2、多摄像头协同追踪：通过部署于各区域的多个摄像头实时采集视频流，对每一帧图像进行人脸检测与特征提取，并依据摄像头空间拓扑关系、时间连续性以及人脸特征相似度，将不同摄像头视野下的同一目标人员关联至所述唯一身份标识，实现跨摄像头的身份连续追踪；

6、步骤s3、跨摄像头rppg信号融合与补偿：基于追踪到的同一身份标识的人脸区域，提取每个摄像头视角下的初始rppg信号；对各路所述初始rppg信号进行质量评估，并利用邻近摄像头采集的高质量信号对低质量信号进行加权融合与补偿，生成融合后rppg信号；

7、步骤s4、个性化异常判定：基于所述融合后rppg信号，按滑动时间窗提取实时生理指标；将所述实时生理指标与所述个性化初始心率基准数据库中对应的历史基准数据进行比对，当指标偏差超出预设阈值时判定为异常并触发告警。

8、进一步地，步骤s1中，所述人脸特征向量的提取方式为：

9、对采集到的原始人脸图像执行人脸关键点定位和面部对齐处理，获得标准化人脸图像；

10、将所述标准化人脸图像输入轻量级人脸特征提取网络，获得深度特征向量；

11、将所述深度特征向量与所述唯一身份标识绑定后本地加密存储。

12、进一步地，步骤s2中，在每个摄像头采集的视频帧中依次执行人脸检测、人脸对齐与特征提取处理，具体为：

13、设第个摄像头在时刻采集的视频帧为，对图像进行人脸检测，获得人脸边界框及关键点信息：

14、；

15、其中，表示检测到的人脸边界框；

16、表示对应的人脸关键点；

17、为人脸关键点提取网络；

18、根据关键点对人脸区域进行几何对齐与归一化处理，得到标准化人脸图像：

19、；

20、将对齐后的人脸图像输入人脸特征提取网络进行特征提取，获得对应的人脸特征向量：

21、；

22、其中，为人脸特征向量，将该特征向量与时间戳一并输出，用于后续的身份匹配与跨摄像头跟踪。

23、进一步地，步骤s2中，跨摄像头的身份关联具体包括：

24、在进行跨摄像头的人脸特征向量比对前，对采集到的人脸图像执行光照补偿预处理，以消除不同摄像头间的环境色温与光照强度差异带来的特征漂移干扰；

25、设摄像头在时刻获取的人脸特征向量为，摄像头在时刻获取的人脸特征向量为，计算其余弦相似度：

26、；

27、在满足预设的时间连续性约束和摄像头空间拓扑关系约束的条件下，选择相似度最高的目标关联为同一身份标识。

28、进一步地，步骤s3中，提取每个摄像头视角下的初始rppg信号的具体方式为：

29、根据人脸关键点，筛选出受表情变化和遮挡影响较小的额头与脸颊区域，作为局部皮肤像素集合；

30、对于摄像头捕获的人脸区域，提取稳定的局部皮肤像素集合，并基于计算每个通道在时间上的平均光强：

31、；

32、；

33、；

34、其中，为皮肤区域像素数量，为像素的rgb值；基于所述平均光强，利用盲源分离算法计算单摄像头rppg信号：

35、；

36、；

37、；

38、其中，表示信号标准差，用于归一化抑制幅值差异。

39、进一步地，步骤s3中，所述质量评估通过计算信噪比识别低质量信号：

40、；

41、其中，表示计算方差，为对初始rppg信号的0.5-4.0hz带通滤波后的信号；值越大，表示有效生理信号越强。

42、进一步地，步骤s3中，对于判定为低质量的信号，利用邻近摄像头的高质量信号进行加权融合补偿：

43、；

44、其中，为补偿后的信号，为邻近摄像头集合，为根据各信号质量指标动态计算的权重，且满足。

45、进一步地，步骤s4中，提取的所述生理指标包括心率、心率变异性和脉搏幅度，其计算方式如下：

46、设心率通过检测时间窗内连续心搏间期为，则：

47、；

48、；

49、其中，为时间窗内心搏总数；

50、所述心率变异性的计算方式为采用心搏间期标准差sdnn：

51、；

52、脉搏幅度通过对时间窗内每个心搏峰值的幅度进行统计计算并取中位数；

53、在每个时间窗结束后实时输出对应数值，以进行连续、实时的生理监测。

54、进一步地，步骤s4中，所述指标偏差超出预设阈值时判定为异常的具体方式为：

55、设实时指标值为，对应个体的历史均值为，历史标准差为，预设灵敏度系数为，当时判定为瞬时异常；

56、仅在连续 个时间窗内均检测到同一异常时，确认为有效异常事件并触发告警。

57、为解决上述技术问题，本发明还进一步提供下述技术方案：

58、一种用于执行上述非接触式心率识别与异常监测方法的监控系统，包括：

59、多个摄像头，部署于各活动区域，用于实时采集视频流；

60、主机，与多个所述摄像头电通讯连接，所述主机包括处理器和存储器，所述存储器上存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行以下操作：

61、身份注册模块，用于采集目标人员人脸图像，提取人脸特征向量并将其与唯一身份标识绑定后存储，并同步采集静息心率、心率恢复基线和安全心率区间以建立个性化初始心率基准数据库；

62、多摄像头追踪模块，用于对视频流中的人脸进行检测与特征提取，并基于时空信息和特征相似度进行跨摄像头身份关联以维持身份标识的连续性；

63、rppg信号处理模块，用于从关联后的人脸皮肤区域提取初始rppg信号，评估各路信号的质量，并对低质量信号利用邻近摄像头的高质量信号进行加权融合与补偿；

64、异常分析告警模块，用于根据融合后的rppg信号计算实时生理指标，并将所述实时生理指标与对应个体的历史基准数据进行比对以判定异常，并在判定异常时触发告警；

65、数据库模块，用于安全存储身份信息、人脸特征向量、个性化心率基准数据、生理信号历史数据以及异常事件记录。

66、本发明与现有技术相比较具有如下有益效果：

67、本发明通过将身份注册时绑定的唯一身份标识与同步采集的静息心率、心率恢复基线和安全心率区间所建立的个性化初始心率基准数据库，作为个体化恢复评估的基准，利用多摄像头依据空间拓扑关系、时间连续性及人脸特征相似度组成跨视野身份识别架构，并利用此识别架构对同一目标在多区域运动切换时的身份连续追踪，实现了康复人员多区域运动切换过程中连续稳定心率监测与个性化恢复状态评估。