【成像光敏描记图提取和处理】成像-光电容积描记-提取-脉搏率-估计附Matlab代码

本文链接：https://blog.youkuaiyun.com/Matlab245/article/details/147200665

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

摘要: 成像光电容积描记术（iPPG）作为一种非接触式的生理信号采集方法，近年来受到了广泛关注。它通过分析面部或其他皮肤区域的视频图像中血流引起的光反射变化，从而提取光电容积描记图（PPG）信号，进而估算脉搏率。本文旨在综述iPPG的原理、主要提取和处理方法、脉搏率估算算法，以及该技术面临的挑战与未来发展趋势。 iPPG技术在远程医疗、可穿戴设备、安全监控等领域具有巨大的应用潜力，但也需要克服环境光照变化、头部运动伪影等问题，以实现更高的精度和鲁棒性。

关键词: 成像光电容积描记术 (iPPG), 光电容积描记图 (PPG), 脉搏率估算, 远程医疗, 非接触式监测

1. 引言

生命体征的监测是健康管理和疾病诊断的重要组成部分。传统的生理信号监测方法通常需要使用接触式传感器，例如心电图（ECG）电极或指夹式血氧仪。这些方法虽然准确，但可能存在以下局限性：使用不便、皮肤刺激、感染风险等。因此，非接触式的生理信号监测技术应运而生。

成像光电容积描记术（iPPG）作为一种新兴的非接触式生理信号监测技术，利用普通的视频摄像头捕捉面部或其他皮肤区域的图像，并通过分析图像中血流引起的微小光反射变化，提取反映心脏搏动的光电容积描记图（PPG）信号。然后，对提取的PPG信号进行处理，最终估算脉搏率。 iPPG技术具有无需接触、远程监测、可集成于现有视频监控系统等优点，在远程医疗、可穿戴设备、安全监控、驾驶员疲劳检测等领域展现出广阔的应用前景。

2. iPPG的原理

iPPG的原理基于光电容积描记术（PPG），后者通过测量血液容积随心跳周期性变化引起的光吸收或反射变化来反映心血管系统的活动。iPPG与传统PPG的主要区别在于，前者利用摄像头作为传感器，捕捉皮肤表面的图像，而后者则使用光电传感器直接测量透过或反射的光强。

当心脏搏动时，血液会周期性地流入皮肤组织，导致皮肤对光的吸收和反射特性发生微小变化。这些变化可以通过摄像头捕捉到的视频图像中的像素亮度变化来反映。 iPPG系统通常使用可见光或近红外光作为光源，因为这些波长的光对血液的吸收较为敏感。通过分析视频图像中特定区域（例如面部感兴趣区域）的像素亮度变化，可以提取出反映心脏搏动的光电容积描记图（PPG）信号。

3. iPPG提取与处理方法

iPPG的提取和处理是一个复杂的过程，通常包括以下几个步骤：

3.1 面部检测与跟踪: iPPG通常以面部作为感兴趣区域，因为面部具有丰富的血管网络。因此，需要首先使用人脸检测算法（例如Haar特征分类器、深度学习模型）来检测视频图像中的面部区域。然后，使用人脸跟踪算法（例如卡尔曼滤波器、Mean Shift算法）来跟踪面部区域的运动，以确保后续的信号提取是在同一区域进行的。
3.2 感兴趣区域（ROI）选择: 在检测到面部区域后，需要选择合适的感兴趣区域（ROI）进行信号提取。 ROI的选择对iPPG信号的质量有重要影响。常用的ROI选择方法包括：
- 固定ROI:
  选择预先定义的矩形或椭圆形区域作为ROI。这种方法简单易行，但可能受到个体差异的影响。
- 自适应ROI:
  根据人脸特征点（例如眼睛、鼻子、嘴巴）的位置，动态调整ROI的大小和位置。这种方法可以更好地适应个体差异。
- 基于血流信息的ROI:
  利用图像处理技术（例如独立成分分析、主成分分析）提取包含血流信息的特征，然后选择具有最大血流信号强度的区域作为ROI。这种方法可以最大程度地提取有效的PPG信号。
3.3 信号提取: 在选定ROI后，需要提取ROI内的像素亮度变化作为PPG信号。常用的信号提取方法包括：
- 平均像素亮度法:
  计算ROI内所有像素的平均亮度值，并将其作为PPG信号。这种方法简单易行，但容易受到噪声的影响。
- 加权平均像素亮度法:
  对ROI内的像素进行加权，根据像素的血流信号强度赋予不同的权重。这种方法可以提高PPG信号的信噪比。
- 独立成分分析（ICA）:
  将ROI内的像素亮度变化视为多个独立成分的线性组合，然后利用ICA算法分离出包含血流信息的成分作为PPG信号。
3.4 信号预处理: 提取的PPG信号通常包含噪声，例如环境光照变化、头部运动伪影、传感器噪声等。因此，需要对PPG信号进行预处理，以提高信号的质量。常用的信号预处理方法包括：
- 带通滤波:
  使用带通滤波器滤除PPG信号中的低频和高频噪声。常用的带通滤波器频率范围为0.5-4 Hz，对应于脉搏率的范围。
- 运动伪影抑制:
  使用运动伪影抑制算法去除由于头部运动引起的噪声。常用的运动伪影抑制算法包括：主成分分析（PCA）、自适应滤波等。
- 信号平滑:
  使用平滑滤波器（例如移动平均滤波器、中值滤波器）平滑PPG信号，以减少噪声。

4. 脉搏率估算算法

经过预处理的PPG信号，可以用来估算脉搏率。常用的脉搏率估算算法包括：

4.1 时域方法: 时域方法通过直接分析PPG信号的时域波形来估算脉搏率。常用的时域方法包括：
- 峰值检测法:
  检测PPG信号中的峰值，然后计算相邻峰值之间的间隔时间，从而估算脉搏率。
- 过零点检测法:
  检测PPG信号中的过零点，然后计算相邻过零点之间的间隔时间，从而估算脉搏率。
- 自相关分析:
  计算PPG信号的自相关函数，然后根据自相关函数中的峰值位置估算脉搏率。
4.2 频域方法: 频域方法将PPG信号转换到频域，然后分析频域中的频谱成分来估算脉搏率。常用的频域方法包括：
- 快速傅里叶变换（FFT）:
  对PPG信号进行FFT，然后找到频谱中能量最大的频率成分，将其作为脉搏率。
- 功率谱密度（PSD）估计:
  计算PPG信号的功率谱密度，然后找到功率谱密度中能量最大的频率成分，将其作为脉搏率。
4.3 时频分析方法: 时频分析方法可以同时分析PPG信号的时域和频域特性，从而更准确地估算脉搏率。常用的时频分析方法包括：
- 短时傅里叶变换（STFT）:
  对PPG信号进行STFT，然后分析STFT结果的时频图，从而估算脉搏率。
- 小波变换（WT）:
  对PPG信号进行WT，然后分析WT结果的时频图，从而估算脉搏率。

5. iPPG的挑战与未来发展趋势

iPPG技术虽然具有许多优点，但也面临着一些挑战：

5.1 环境光照变化:
环境光照变化会影响摄像头捕捉到的图像亮度，从而干扰PPG信号的提取。因此，需要设计鲁棒的算法来应对环境光照变化。
5.2 头部运动伪影:
头部运动会引起图像像素位置的变化，从而产生运动伪影，干扰PPG信号的提取。因此，需要设计有效的运动伪影抑制算法。
5.3 个体差异:
不同个体的皮肤颜色、血管分布、面部结构等存在差异，这些差异会影响iPPG信号的质量。因此，需要设计能够适应个体差异的算法。
5.4 算法复杂度:
一些iPPG算法的计算复杂度较高，难以在实时应用中实现。因此，需要设计高效的算法。

未来，iPPG技术的发展趋势包括：

5.5 深度学习:
深度学习在图像处理和信号处理领域取得了巨大的成功。可以将深度学习应用于iPPG的各个环节，例如人脸检测、ROI选择、信号提取、运动伪影抑制、脉搏率估算等，以提高iPPG的精度和鲁棒性。
5.6 多模态融合:
可以将iPPG与其他生理信号监测技术（例如心电图、呼吸率监测）相结合，实现多模态融合，从而提供更全面和准确的健康信息。
5.7 远程医疗与健康管理:
iPPG技术可以应用于远程医疗和健康管理，实现非接触式的生命体征监测，为用户提供个性化的健康服务。
5.8 可穿戴设备集成:
可以将iPPG技术集成到可穿戴设备中，例如智能手表、智能眼镜等，实现随时随地的生命体征监测。

6. 结论

成像光电容积描记术（iPPG）作为一种非接触式的生理信号监测技术，具有巨大的应用潜力。通过分析视频图像中血流引起的光反射变化，可以提取光电容积描记图（PPG）信号，进而估算脉搏率。本文综述了iPPG的原理、主要提取和处理方法、脉搏率估算算法，以及该技术面临的挑战与未来发展趋势。虽然iPPG技术仍然面临一些挑战，但随着算法的不断改进和技术的不断发展，相信iPPG将在远程医疗、可穿戴设备、安全监控等领域发挥越来越重要的作用。未来的研究方向包括深度学习的应用、多模态融合、远程医疗与健康管理以及可穿戴设备集成等。