基于rPPG的心率測量方法研究

邵天浩，王眾鑫，郭紫陽，曹 玥

（1.華北理工大學人工智能學院，唐山 063200；2. 華北理工大學基礎醫學院，唐山 063200）

0 引言

在臨床診斷中，心臟的各項指標對判斷病情一直起著關鍵的作用。例如：心率、呼吸率、血氧濃度等。其中，心率則在各項診斷時被放在首要位置。如今，全球心血管疾病負擔增加，因心血管疾病造成死亡的約占死亡人數的三分之一。中國的心血管死亡率占據全球第一，而心率對監控心血管疾病和治療慢性疾病至關重要。此外，大多數心血管疾病都是可預防、可監控的。現如今主流心率檢測方式，都需要同患者近距離接觸，但面對一些特殊人群，如早產兒、具有皮膚病史、大面積燒傷等患者，接觸式檢測很可能導致患者感染。并且，如今新冠疫情形勢仍然嚴峻，接觸式檢測可能會造成交叉感染。故現需要一種可以遠程測量心率的檢測形式。遠程光電容積描記法（remote photoplethysmo graphy，rPPG）技術，是在PPG 的基礎上進行發展研究，仍然適用比爾-朗伯定律。rPPG 檢測心率的原理基于以下事實：心臟的跳動，導致毛細血管內的血紅蛋白含量發生細微變化。同時，光線在照射人體皮膚時，血管內血紅蛋白含量的多少決定光吸收量，因此，反射光的強度也會發生細微變化［1］。基于這一事實，rPPG可以從皮膚中提取脈搏波信號［2］。

1 算法原理及實現

1.1 rPPG原理

基于傳統接觸式檢測原理出發，rPPG 是由PPG 發展而來，同PPG 不同，rPPG 利用成像設備代替傳感器，突破了同皮膚接觸的傳統測量方法，并且不需要外加特殊光源，但其原理與PPG相同。

比爾-朗伯定律是PPG 的理論基礎，rPPG同樣適用該定律。比爾-朗伯定律：當一束均勻的特定波長的光透過性質均一且非散射的溶液后，吸光度與溶液液層厚度和溶液吸光物質的濃度的乘積成正比。根據此定律，可推出下式：

式中：I為光的透射強度；I0為發射光的強度。ε(λ)為物質的吸光系數，其中，λ為光的波長，吸光系數表示物質吸光的能力，數值越大，吸光能力越強。C和L分別表示溶液中吸光物質的濃度與溶液液層的厚度。

在人體血管中，雖然存在各種各樣的物質，但是物質之間不相互影響，所以比爾-朗伯定律仍然適用。

1.2 ROI選取

在rPPG 原理中，身體上任何暴露的皮膚都可作為ROI。但是考慮到遠程檢測的便捷性以及毛細血管在人體皮膚的分布，選擇面部作為感興趣區域。而面部也存在著一些不適合的區域，如眼睛、嘴巴等，這些區域對于心率檢測存在一定的感染。并且由于遠程檢測的適應性，面對人群存在頭發遮蓋額頭的情況，重新選擇ROI 區域。ROI 選取包括手動選取和自動選取。因在心率檢測過程中，被檢測人的頭部可能出現輕微晃動，手動選取存在兩次選取無法完全一致的情況，故選擇自動選取。基于dlib 庫的人臉68 關鍵點檢測，選取11 個點組成ROI 區域。但此ROI 區域仍會出現非皮膚區域選取，所以對該ROI 區域除第27 點外的10 個關鍵點進行坐標修正，利用公式（2）、（3）和（4）計算，形成新的ROI區域［3］。

上式中v和r是校正前后的坐標。| |· 是絕對值運算符。

1.3 濾波

ROI 選取完成后對其進行保存，作為后續檢測的數據。在檢測過程中，被檢測人的呼吸起伏、頭部運動、外界噪聲等都會作為噪聲影響后續檢測結果，所以濾波對于檢測心率十分重要。本實驗選取巴特沃斯帶通濾波器作為濾波工具。因心臟跳動為每分鐘40 次至240次［4-6］，其頻率范圍大致為0.7～4 Hz。因此，為了去除因呼吸起伏造成的低頻信號以及因噪聲引起的高頻信號對后續檢測結果的影響，使用6階巴特沃斯帶通濾波器對［0.7, 4］Hz 進行濾波，用來降低噪聲對結果的干擾。

1.4 獨立成分分析

圖1 ROI的選取

獨立成分分析又稱作盲源分離，是在生理信號處理中較為常見的用來去除噪聲的技術手段。獨立成分分析是指在信號疊加過程信息未知的情況下，對一組混合信號進行信號分離的方法［7-8］。最典型的例子為對一組傳感器的疊加信號進行處理，獲得各個傳感器的不同信號。獨立成分分析法是指從一組由原始信號進行線性組合分離得出獨立源信號的技術手段。該技術在醫學中被廣泛應用，例如，心電圖和腦電圖的記錄中去除噪聲，分離孕婦和胎兒的心電圖［9］。

由于毛細血管中的血紅蛋白對不同波長的光線吸收率不同，所以可對原始信號進行分解，分為RGB 三個獨立通道。每個通道分別觀察到各自信號。在獨立成分分析法中，源信號數量不能超過觀測信號數量，此處的觀測信號為RGB 三個不同通道的信號，故假設存在三個基礎源信號［5］。

圖2 獨立成分分析流程

1.5 功率譜

獨立成分分析法對信號進行處理，最終得到三個基礎源信號，其中只有一個信號包含脈搏波信號，而且分解出的源信號是不存在順序的，隨機出現。故選擇對三個基礎源信號進行功率譜處理，比較三個信號的功率譜幅值，將具有最大功率譜幅值的源信號作為脈搏源信號［10］。

2 實驗設計和結果分析

本實驗采用電腦筆記本自帶攝像頭進行圖像采集，該攝像頭分辨率為1280×720。在圖像采集過程中需要被測者正對攝像頭，該實驗初始采集270 組數據進行分析，后續數據分析進行60 組數據對前者更換，保證每次分析數據都在270 組。如此減少瞬時噪聲對結果的干擾，也減少后期檢測所需等待時間。

在圖像采集過程中，原相機所顯示圖像將以窗口形式展現，隨之進行的還有人臉關鍵點檢測，以及ROI自動選取。將選取的ROI圖像以另一個窗口的方式進行展示。在ROI 選取過程中，人臉關鍵點的檢測有時不滿足所取區域皆是皮膚組織，故需對原關鍵點的坐標進行修正。

圖3 rPPG算法流程

圖4 ROI區域選取

在ROI 選取結束后，此時保存該時刻ROI區域的圖像，對該圖像進行RGB 三通道分離，并對三通道進行像素值平均處理，使之成為一組數據。但此時數據包含許多干擾信息，如外界噪聲、頭部運動等，故需對數據進行濾波處理。

本實驗使用6 階巴特沃斯帶通濾波器對數據進行帶通濾波，從而消除一部分噪聲信號，進而增加檢測結果的準確性。下一步進行數據儲存，270組數據作為一組進行后續獨立成分分析。

獨立成分分析將數據進行分解還原，本實驗采用的獨立成分分析迭代次數為200次，可以滿足大部分的檢測要求。該方法從數據中提取出三組新數據，其中一項包含脈搏波信號。通過對三組信號進行功率譜處理，按照上文中提到的方法選擇最佳獨立信號，并對最佳獨立信號進行傅里葉變換，最后利用公式（5）求解心率。

其中：HR為人體心率，fAmax為最佳獨立信號功率譜最大幅值所對應的頻率。

3 結語

本文主要介紹了基于遠程非接觸式心率測量的原理和方法。通過對被檢測者的人臉關鍵點定位、處理檢測出ROI 區域，記錄ROI 區域內RGB 三個通道的平均像素強度，并使用濾波器濾波，最后使用獨立成分分析對數據進行處理，根據算法計算得出心率。該方法便于操作、重復性高，并且可應用于日常的心率檢測，在未來醫療行業中有著較大的發展前景。