0 引言

根據《中國心血管健康與疾病報告》可知：近年來，心血管疾病已經成為我國致死數最多的疾病，高于癌癥、消化系統疾病等其他疾病[1]。預防和診斷心血管疾病的指標主要包括心率、血氧飽和度和血壓等與心血管疾病密切相關的醫療體征[2]。目前主流市場存在一些家庭式生理監測設備，包括指夾式脈搏血氧儀、智能手環[3]、袖帶式血壓儀等[4]。但是以上設備仍然存在著許多不足，同時在使用時存在一定的局限性，不能滿足所有情形下的使用要求。

成像式光電容積描記技術(iPPG)在近年來快速發展，該技術在平臺上可以比較輕松地實現，只需要一個攝像頭便可以遠程非接觸式對生理信號進行測量。這種測量方法尤其適用于一般的家庭中進行快速便捷的健康檢查，目前該技術吸引了大量生物醫學工程領域的人員目光，成為該領域的新興研究方向之一[5]。

目前國內外對非接觸式測量的研究仍處于起步階段，主要的研究是測量心率、血壓和血氧飽和度等。2007年，日本的Takano等基于iPPG技術使用相機采集的人體皮膚視頻研究出了一種心率與呼吸頻率采集裝置[6]；2017年，馬良提出一種基于雙波長法，遠程測量血氧飽和度的方法[5]；也有研究利用貝葉斯光譜估計法，通過視頻測量得到脈搏等[7]。Chwyl等以貝葉斯估計為基礎，提出了一種非接觸式心率檢測方法[8]。

然而，上述文獻中對于有效iPPG信號的選取主要還是依靠傳統的算法以及后期人工識別，這些方法費時費力，且準確率不高，難以應用于實際的復雜場景中，因此，本研究設計了基于深度學習的iPPG 有效信號識別方法。通過高分辨率相機在穩定光源下對人臉視頻進行采集，然后通過設計人臉識別算法進行定位，從選取的感興趣區域(Region Of Interest，ROI)提取脈搏波信號并進行去噪處理，然后用訓練好的深度學習模型對信號進行有效性識別，并將最后識別得到的iPPG信號與標準的PPG信號進行了對照。下面就對本文所設計的采集系統、人臉定位算法以及深度學習模型進行完整的介紹。

本文詳細內容請下載：http://www.infiniterotclothing.com/resource/share/2000004909

作者信息：

陳澤輝1，熊繼平1，李金紅2，陳經緯1，程漢權1

(1.浙江師范大學 物理與電子信息工程學院，浙江 金華321004；

2.浙江師范大學 數學與計算機科學學院，浙江 金華321004)