一种非接触式呼吸检测方法和装置与流程

1.本发明涉及机器视觉技术领域，特别是涉及一种非接触式呼吸检测方法和装置。


背景技术：

2.人体的呼吸作为一项人体健康检测的指标，能够反映出人体的各种状态。通常来说，呼吸检测需要去医院，使用专业的医疗器械进行检测。但是使用医疗器械检测呼吸限制了检测的使用场景并且使用医疗器械进行检测成本高昂不利于广泛应用。
3.为了使呼吸检测变得更加便利，拓展呼吸检测的应用场景，现有技术中进而研究出接触式呼吸检测方法和非接触式呼吸检测方法。接触式呼吸检测方法一般需要使用穿戴式的电子设备进行检测，而非接触式呼吸检测方法一般利用雷达、声波、温度传感器等相关信息进行检测。由此可知，无论是接触式和非接触式的呼吸检测方法都使用了一些特殊的装备，仍然具有一定的局限性。
4.因此本发明提出了一种非接触式呼吸检测方法和装置，采用更加普通的设备，不仅具备非接触式呼吸检测方法的便利性和安全性，还使检测方法更具普适性。


技术实现要素：

5.本发明的目的是：提出一种新的非接触式呼吸检测方法和装置，采用更加普通的设备，不仅具备非接触式呼吸检测方法的便利性和安全性，还使检测方法更具普适性。
6.为了实现上述目的，本发明提供了一种非接触式呼吸检测方法，包括：
7.获取人体胸腹区域的呼吸图像。
8.将所述呼吸图像转化为灰度图像，并使用光流法提取所述每一帧灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度。
9.获取每一帧灰度图像所有像素点在x轴方向的运动速度之和和y轴方向的运动速度之和，得到呼吸波形图。
10.进一步的，所述获取人体胸腹区域的图像，具体为：
11.获取人体正面的第一呼吸图像，通过人脸识别算法确定人脸位置，根据人脸与胸腹区域之间的距离比例确定胸腹位置，根据胸腹位置进行提取得到人体胸腹区域的呼吸图像。
12.进一步的，所述获取人体胸腹区域的呼吸图像，具体为：
13.获取包括胸腹区域的第二呼吸图像，提取预设检测区域的图像，得到人体胸腹区域的呼吸图像。
14.进一步的，所述使用光流法提取所述每一帧灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度，具体为：
15.根据光流法运动前后的像素点亮度恒定不变的假设得到第一约束方程，根据光流场计算方法得到第二约束方程，联立第一约束方程和第二约束方程得到所述灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度。
16.进一步的，所述第一约束方程的获取方法，具体为：
17.设一个像素点在某一帧图像的光强度为i(x，y，t)，根据光流法运动前后的像素点亮度恒定不变假设得到第一方程：
18.i(x,y,t)＝i(x dx,y dy,t dt)；
19.将第一方程的右侧式子进行泰勒展开得到第二方程：
[0020][0021]
将第二方程代入第一方程后同除dt得到第三方程：
[0022][0023]
设u，v为光流分别沿着x轴和y轴的速度矢量，即设分别表示图像中像素点的灰度沿着x，y，t方向的偏导数，则将第三方程转化为第一约束方程：
[0024]
ixu iyv it＝0。
[0025]
进一步的，所述根据光流场计算方法得到第二约束方程，具体为：
[0026]
采用基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法和基于神经动力的方法其中一种对所述呼吸图像的光流场进行计算得到第二约束方程。
[0027]
进一步的，在得到呼吸波形图之前，所述方法还包括：
[0028]
对每一帧图像所有像素点在x轴运动方向的速度和y轴运动方向的速度进行过滤和筛选，去除最大值和最小值。
[0029]
进一步的，在得到呼吸波形图之后，所述方法还包括：
[0030]
采用中值滤波法或小波变换法对所述呼吸波形图进行平滑处理。、
[0031]
本发明还公开了一种非接触式呼吸检测装置，包括：图像采集模块、图像处理模块和数据处理模块；
[0032]
所述图像采集模块，用于获取人体胸腹区域的呼吸图像。
[0033]
所述图像处理模块，用于将所述呼吸图像转化为灰度图像，并使用光流法提取所述每一帧灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度。
[0034]
所述数据处理模块，用于获取每一帧灰度图像所有像素点在x轴方向的运动速度之和和y轴方向的运动速度之和，得到呼吸波形图。
[0035]
进一步的，所述检测装置还包括：所述数据分析模块，用于提取呼吸波形图中的呼吸特征，并将所述呼吸特征和健康人的呼吸特征进行比对，输出比对结果。
[0036]
本发明实施例提供了的一种非接触式呼吸检测方法和装置与现有技术相比，其有益效果在于：本发明采用人体胸腹区域的呼吸图像获取呼吸波形图，由于呼吸图像可以用摄像头采集，因此数据来源广泛，可以适应更多的应用场景对呼吸的检测。通过光流法提取像素的位移特征，以位移特征得到呼吸波形图，方法简单易行，多种处理设备均可实现，方法本方法的实施推广。
附图说明
[0037]
图1是本发明一种非接触式呼吸检测方法的第一流程示意图；
[0038]
图2是本发明一种非接触式呼吸检测方法的第二流程示意图；
[0039]
图3是本发明一种非接触式呼吸检测装置的结构示意图。
具体实施方式
[0040]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0041]
实施例1：
[0042]
参照附图1或附图2，本发明公开了一种非接触式呼吸检测方法，用于根据人体胸腹区域的呼吸图像获取呼吸波形图，主要包括如下步骤：
[0043]
步骤s1，获取人体胸腹区域的呼吸图像。
[0044]
步骤s2，将所述呼吸图像转化为灰度图像，并使用光流法提取所述每一帧灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度。
[0045]
步骤s3，获取每一帧灰度图像所有像素点在x轴方向的运动速度之和和y轴方向的运动速度之和，得到呼吸波形图。
[0046]
在步骤s1中，所述获取人体胸腹区域的图像的一种获取方法如下：
[0047]
获取人体正面的第一呼吸图像，通过人脸识别算法确定人脸位置，根据人脸与胸腹区域之间的距离比例确定胸腹位置，根据胸腹位置进行提取得到人体胸腹区域的呼吸图像。
[0048]
在本实施例中，可以采取主动获取的方式获取人体的呼吸图像，但是由于人体的呼吸图像包括较多的人体特征，不能直接用于呼吸检测，因此需要对胸腹位置进行定位后提取相应的呼吸图像。现有技术中人脸识别是较为成熟的技术，可以准确判断人体的脸部特征并确定其位置。而人体的身材比例是符合统计规律的，除极个别身体比例异于常人的情况，这种特殊身材比例的人会带来一定误差，可以通过其它方式获取图像。根据脸部位置及人体身材的统计规律，可以由脸部位置确定胸腹位置，进而提取相应区域的呼吸图像。
[0049]
在本实施例中，进一步的，根据人脸识别特征判断人的年龄，并根据年龄选取相应的脸部到胸部的比例从而确定胸腹位置；或根据图像识别获取人体的四肢特征，并根据提取到的四肢特征获取胸腹区域的位置。本领域技术人员亦可以采用其它人体特征确定胸腹位置，进而对胸腹位置的图像进行提取。
[0050]
在步骤s1中，所述获取人体胸腹区域的图像的一种获取方法如下：
[0051]
获取包括胸腹区域的第二呼吸图像，提取预设检测区域的图像，得到人体胸腹区域的呼吸图像。
[0052]
在本实施例中，为了降低数据处理的难度，提高数据处理速度，可以在数据采集的时候使被采集者的胸腹区域出现在图像中的特定位置，在进行数据处理时直接采集特定位置。所述特定位置即为预设检测区域。这样就不必采用图像识别的方法获取胸腹区域的位置，简化了数据处理流程。
[0053]
在步骤s2中，所述使用光流法提取所述每一帧灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度，具体为：
[0054]
根据光流法运动前后的像素点亮度恒定不变的假设得到第一约束方程，根据光流场计算方法得到第二约束方程，联立第一约束方程和第二约束方程得到所述灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度。
[0055]
在本实施例中，由于只有两个未知参数因此只需要两个方程组即可进行求解。
[0056]
对光流法进行介绍和说明：光流法是从图像获取运动信息的一种算法。该算法提出两个基本假设条件：
[0057]
条件一、亮度恒定不变：同一目标在不同帧运动时，其亮度不会发生变化，此条件用于得到光流法第一约束条件。在本实施例中为了使获取到的呼吸图像更加符合预设的条件，因此需要在稳定的外部光源下进行图像的采集，只要外界的光强保持稳定，就可以满足这个预设条件。
[0058]
条件二、时间连续或者运动是“小运动”：时间的变化不会引起目标位置的剧烈变化，相邻帧之间的位移要比较小。由于呼吸过程中胸腔的起伏是逐步变化的，因此相邻两帧的呼吸变化位移足够小，满足假设条件。这也要求在图像采集时应当使人体处于平静呼吸的状态，如剧烈运动后的呼吸状态等需要排除。
[0059]
在本实施例中，所述第一约束方程的获取方法，具体为：
[0060]
设一个像素点在某一帧图像的光强度为i(x，y，t)，根据光流法运动前后的像素点亮度恒定不变假设得到第一方程：
[0061]
i(x，y，t)＝i(x dx,y dy,t dt)；
[0062]
将第一方程的右侧式子进行泰勒展开得到第二方程：
[0063][0064]
将第二方程代入第一方程后同除dt得到第三方程：
[0065][0066]
设u，v为光流分别沿着x轴和y轴的速度矢量，即设分别表示图像中像素点的灰度沿着x，y，t方向的偏导数，则将第三方程转化为第一约束方程：
[0067]ix
u iyv i
t
＝0。
[0068]
在本实施例中，所述根据光流场计算方法得到第二约束方程，具体为：
[0069]
采用基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法和基于神经动力的方法其中一种对所述呼吸图像的光流场进行计算得到第二约束方程。
[0070]
由于光流场的计算方法较多，可以得到不同的第二约束方程和第一约束方程进行联立求解。这些方法都是现有技术，本领域技术人员只要想知道就可以从现有技术中获取相应的计算方法进行求解，因此不一一对每个方法进行举例。
[0071]
在本实施中，考虑到计算的简单性以及实时性，采用的是基于梯度(微分)的方法，它是利用时变图像灰度的时空微分来计算像素的速度矢量，该方法计算较为简单且能取得较好的效果。且该方法又分为两种解决方式：(1)全局微分法：horn－schunck算法：假设光
流在整个图像上光滑变化，即速度的变化率为零。(2)局部微分法：lucas－kanade算法：假设在一个小空间领域上运动矢量保持恒定(空间一致，即一个场景中同一表面上邻近的点具有相似的运动)，使用加权最小二乘法估计光流。以及其它基于这两种方式的一系列改进算法。由于需要测量的是胸腹区域的起伏变化，属于一个小空间领域，并且胸腹区域的起伏变化具有相似运动，因此采用lucas－kanade算法较为合适。
[0072]
lucas－kanade算法介绍：此算法假设光流在像素点的局部邻域是个常数，然后使用最小二乘法对邻域中的所有像素点求解基本的光流方程。从而计算两帧在时间t到t dt之间每个像素点的移动。
[0073]
根据lucas－kanade算法的假设，即特征点邻域内的所有像素点做相似运动，这意味着可以联立n个基本的光流方程求取x，y方向的速度(n为特征点邻域内的总点数，包括该特征点)
[0074][0075]
由于第一约束方程和第二约束方程只有两个未知数u和v，有n个方程，此时采用最小二乘法可以求取出这个方程组的最优解：
[0076][0077]
由可得：
[0078][0079][0080]
进一步的可以表示为：
[0081][0082]
追踪可以得到u、v的值。u表示x方向上的运动速度，v表示y方向上的运动速度。
[0083]
在本实施例中，选定一种类型的方法后可求得最终的(u,v)值，将此方法作用于胸腹区域，就可以得到胸腹区域的起伏变化情况，最终可以得知人体的呼吸变化情况。
[0084]
在步骤s3中，获取每一帧灰度图像所有像素点在x轴方向的运动速度之和和y轴方向的运动速度之和，得到呼吸波形图。
[0085]
在本实施中，得到的呼吸波形图包括x轴方向上的速度变化随视频帧(时间)变化的波形图和，y轴方向上的速度变化随视频帧(时间)变化的波形图。
[0086]
在本实施例中，在得到呼吸波形图之前，所述方法还包括：
[0087]
对每一帧图像所有像素点在x轴运动方向的速度和y轴运动方向的速度进行过滤和筛选，去除最大值和最小值。
[0088]
在本实施例中，在获取的胸腹区域起伏变化数据后，先对数据进行一遍过滤和筛选：去除最大值、最小值。这样做可以尽量避免测量过程中的不规范、小浮动移动等带来的误检测。
[0089]
在本实施例中，在得到呼吸波形图之后，所述方法还包括：
[0090]
采用中值滤波法或小波变换法对所述呼吸波形图进行平滑处理。
[0091]
在本实施例中，由于得到的波形图可能会存在锯齿，因此需要采取合适的方式消除锯齿，有两种方法可以消除锯齿，第一种方法是使用中值滤波，将波形图进行平滑处理，可得到更加平滑的呼吸波形图；第二种方法是对数据进行小波变换，提取出其中的主成分，就可以得到较为光滑的呼吸波形图。
[0092]
在本实施例钟，所述检测方法还包括：提取呼吸波形图中的呼吸特征，并将所述呼吸特征和健康人的呼吸特征进行比对。
[0093]
在本实施例中，可通过对呼吸波形图进行相关计算，得到更多的呼吸特征，比如最大幅值、最小幅值、呼吸周期及其变化规律、幅值变化规律、进行快速傅里叶变换fft得到频率呼吸信息等，然后将各种呼吸特征和健康人体的呼吸特征进行比较，输出比对结果。
[0094]
在本实施例中，本发明采用人体胸腹区域的呼吸图像获取呼吸波形图，由于呼吸图像可以用摄像头采集，因此数据来源广泛，可以适应更多的应用场景对呼吸的检测。通过光流法提取像素的位移特征，以位移特征得到呼吸波形图，方法简单易行，多种处理设备均可实现，方法本方法的实施推广。
[0095]
实施例2：
[0096]
参照附图3，本发明还公开了一种非接触式呼吸检测装置，用于和实施例1相同的应用场景，包括：图像采集模块101、图像处理模块102和数据处理模块103。
[0097]
所述图像采集模块101，用于获取人体胸腹区域的呼吸图像。
[0098]
所述图像处理模块102，用于将所述呼吸图像转化为灰度图像，并使用光流法提取所述每一帧灰度图像中每一个像素点在x轴方向的运动速度和y轴方向的运动速度。
[0099]
所述数据处理模块103，用于获取每一帧灰度图像所有像素点在x轴方向的运动速度之和和y轴方向的运动速度之和，得到呼吸波形图。
[0100]
进一步的，所述装置还包括：所述数据分析模块104，用于提取呼吸波形图中的呼吸特征，并将所述呼吸特征和健康人的呼吸特征进行比对，输出比对结果。
[0101]
进一步的，所述装置还包括：结果展示模块105；所述结果展示模块，用于将数据分析模块的分析结果进行展示。
[0102]
由于实施例2是在实施例1的基础上进行撰写的，因此一些重复的特征不在赘述。
[0103]
综上，本发明实施例提供一种非接触式呼吸检测方法和装置与现有技术相比，其有益效果在于：本发明采用人体胸腹区域的呼吸图像获取呼吸波形图，由于呼吸图像可以用摄像头采集，因此数据来源广泛，可以适应更多的应用场景对呼吸的检测。通过光流法提取像素的位移特征，以位移特征得到呼吸波形图，方法简单易行，多种处理设备均可实现，方法本方法的实施推广。
[0104]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。