摘要
心率作为反映心血管系统功能的重要指标，在运动强度评估、心肺适应性评价、心血管疾病诊断、术后评价等方面具有重要临床价值和研究意义。目前，心电图和脉搏波检测仪等常用心率测量仪器存在操作复杂、成本高等不足，并且需要贴附传感器接触皮肤、易受干扰、易引起皮肤脆弱性人群不适感等问题。为此，基于远程光电容积脉搏波（RemotePhoto-plethysmography，rPPG）的机器视觉非接触式心率检测方法被提出并得到广泛研究。该方法使用摄像头获取人脸视频，通过分析面部视频信息推算心率值，具有测量便捷、高效、无需接触皮肤等优点。 然而，现有的基于机器视觉的非接触式心率检测方法在实际应用中也存在着一些问题和限制。在检测过程中需要保证环境光线和拍摄角度的稳定性，否则会致面部皮肤颜色变化的幅度和频率发生改变，从而影响测量结果的准确性。为了提高机器视觉的心率检测准确性和可靠性，本课题通过以下工作进行基于rPPG信号的非接触式心率检测研究： （1）提出基于U-Net的高斯热力图人脸关键点预测法获取人脸感兴趣区域（RegionofInterest，ROI）。U-Net的编码器提取人脸图像中的边缘、纹理等高级特征，解码器预测每个像素点得到对应的高斯热力图，其中每个点的值代表人脸关键点的概率分布。根据热力图最大概率值对应的像素位置，即可确定ROI。相比于传统的Viola-Jones等基于皮肤颜色阈值和人脸几何形状的ROI提取方法，该方法不需要依赖于这些特征信息，能够更加灵活地适应不同年龄、肤色和面部表情等情况，能够更准确地获取ROI。此外，在UBFC-RPPG等数据集上证明了该方法能适应不同的光照和姿态变化，在测量准确性、鲁棒性、稳定性方面更有优势。 （2）对比研究了基于Fast-ICA、CHROM和POS三种传统方法的心率检测，使用基线偏移矫正等方法对原始rPPG信号进行降噪优化，以提高心率检测的准确性，分别利用rPPG信号的峰值和功率谱密度进行心率估计。提出新型模型LA-Res2Net与传统方法相结合的心率检测，且首个提出使用格拉米角场算法提取rPPG信号的特征图像作为模型的输入，实验证明该方法在多项指标上优于现有方法，系数r达到98%。 （3）设计了一款基于PyQt技术的心率检测GUI控制系统。这个系统集成了上述提到的算法，实验结果证明，该系统不仅具有友好的人机交互用户界面，还能快速、准确的进行心率监测，可以在实际应用中帮助医疗专业人员更方便地进行心率监测。
NETL