本文是一篇计算机论文，本文设计的基于 HSL 皮肤检测与色度模型的非接触式心率检测方法主要针对受试者面部稳定与轻微晃动的应用场景，在环境光照变化强度较大的情况下心率检测结果精确度受到一定影响。因此，应结合深度学习等计算机前沿技术，探索更为完善的信号处理方法，提高非接触式心率检测方法在各种场景下的精确度与鲁棒性。
第一章 绪论
1.1课题背景及意义
当前整个社会飞速发展，在国民生活水平得到不断提升的同时，群众生理、心理等多方面健康也受到各种压力的影响。在此社会环境下，患心血管疾病的人数不断攀升。2019 年 1月中华医学预防杂志刊发的《中国心血管病风险评估和管理指南》[1]称脑卒中、冠心病等心血管病（CVD）是增加我国居民疾病压力与导致死亡的主要因素。本报告显示人口老龄化、增长及城镇化是促使我国心脑血管疾病逐年上升的社会因素，而吸烟、不合理饮食等不良生活方式也是心血管患病人数上升的诱因。因此，加强对心血管疾病的监测、预防和治疗等医疗工作是至关重要的。
心率、体温、血压和呼吸作为四大人体生理指标，是衡量人体健康与否的重要标准，同时也与绝大多数医疗工作有着密不可分的关系。静息心率（RHR）指的是人体在清醒未活动时心脏每分钟跳动的次数。相关研究数据显示，心跳速度的加快是促使心血管疾病的独立危险因子，也是促使心血管病患者死亡的强预测因子[2]。一旦静息心率速度超过标准值，就有可能增加心律失常和缺血的发生率，当这一关系达到一定程度时即可发生心肌梗死或者猝死。在日常生活中，医疗机构通过监测人体心率变化以初步判断心脏的健康与否，做到有效防范心血管疾病的潜在风险。
目前市场上按照与人体接触情况将心率检测法分为两种，分别为非接触式与接触式心率检测。其中接触式心率检测中应用较多的方法为传统中医诊脉、心电图、电子血压脉搏仪、指压式脉搏血氧仪以及可穿戴医疗设备[3]等常见形式。这些检测方法或多或少存在与人体皮肤进行接触的固有局限性，其使用的接触方式舒适度较差，易造成被测人员的紧张情绪，导致心率波动，降低检测结果的精确度。同时这些设备需要专业人员进行操作，检测成本较高等问题限制了接触式心率检测方法的应用场景，使其难以满足日常监测和预防心血管疾病的需求。
1.2国内外研究现状
基于面部视频的非接触式心率检测方法作为检测人体心率的有效手段之一，近年来已经成为一项国内外学者间的热点研究课题。2020 年面对突如其来的新冠[7]疫情，在减少医疗人员与被测人员之间接触的同时，提高心率、体温等生理指标测量的准确度显得尤为重要。同时，对患者及普通人员的生理指标进行监测管理的系统在市场上有着极大需求。针对基于面部视频的非接触式心率检测方法存在的一些问题，国内外学者进行了广泛的研究。
1.2.1 国外现状
国外针对基于面部视频的非接触式心率检测技术的研究起步较早，特别是 21 世纪以来，国外在基于面部视频的非接触式心率检测技术的相关算法研究上投入了极大的物力与人力，相应的取得了极大的研究进展。同时近年来也出现了一些将基于面部视频的非接触式心率检测技术与便携设备相结合的应用，该技术在实际场景中的探索与运用得到了极大的推动。
早在 2000 年附近，Schmitt 等人[8]研究并设计了一种基于电荷耦合元件（Charge-coupled Device，CCD）的光体积描记成像仪的实验装置，其中提出了通过检测人体皮肤以提取心率数值的设想并进行了实验研究。之后 F.P.Wieringa 等人[9]描述了非接触式组织内动脉血氧饱和度分布成像的方法，根据记录的受试者心电图与呼吸，与其对应的视频影像中所提取出的光容积图相比较，验证了两者之间良好的相关性。2007 年 Chihiro Takano 等人[10]利用 CCD 相机采集的延时图像，研制了一种可同时测量呼吸和脉搏频率的非接触无创装置，验证了非接触式方法所测心率与受试者实际心率之间的相关性，为通过检测人体皮肤以提取心率数值的非接触式心率检测方法奠定了理论与实验基础。
Pavlidis 等学者[11]最早提出以人脸视频检测生理信号的设想，作者使用配备高质量中波红外（medium-wave length infrared band，MWIR）传感器的热敏相机，依靠被摄者自身发出的辐射，采集被摄者的面部热视频从而得到相关生理数值，并与接触式测量结果进行比较以验证相关性。不久之后，Garbey 等人[12]在此假设的基础上使用高灵敏度热成像系统，采集多名受试者的数据集，通过脉搏血流与血管温度之间的相关性，实现了远程测量受试者心率数值。2008 年，Verkruysse 等人[13]使用消费者级数码相机，在正常环境光照下采集受试者面部视频，从而实现远程测量并计算心率数值，以实验的方式对成像式光电容积描记（IPPG）技术的可行性与有效性验证。IPPG 虽然不需要专用传感器设备，但是对视频录制得到的信号质量要求很高，多数信号在采集过程中会受到环境光照与运动干扰等因素的影响，从而影响测量心率的精确度。此后，针对基于面部视频的非接触式心率检测方法的研究也转向提高精确度与鲁棒性等方面。
第二章 相关背景知识介绍
2.1光电容积描记法
光电容积描记法（PPG）运用光学原理对人体组织内血管血容量变化情况检测，以此测量呼吸、心率及血氧饱和度等生理指标。光电容积描记法作为一种非侵入式的光学技术，具有成本低、便捷、使用场景多样等优势，在医疗及日常生活中具有很大的市场前景。考虑到 PPG技术需要附加额外光源以及 PPG 传感器与人体皮肤相接触的局限性，成像式光电容积描记（IPPG）的最大优势是无接触、无需额外光源等，已成为国内外研究的重要课题。由于 PPG和 IPPG 只在采集方式上存在差别，而两者的基本原理是相同的，因此后续章节对这两项技术不做特殊区分。
2.1.1 光电容积描记法原理
PPG 作为一种光学测量技术，通过分析人体皮肤区域的反射光变化，检测血管血容量的变化。因此，PPG 技术以人体皮肤的组织结构作为生理学基础，借助人体皮肤组织的光学特性，实现对人体心率等生理指标的测量。
20 世纪 80 年代，Anderson 等人[31]发现人体的皮肤组织具有一定的光学特性：位于人体表皮层以下的真皮层是皮肤中对光吸收和传输的主要部位，而人体皮肤组织最外侧的表皮层只能吸收外部光线，却无法对其进行散射。
此外，对于入射光线的吸收散射效果、人体的不同组织和成分存在差异性。将脂肪、肌肉及骨骼等组织考虑在内，该部分组织在人体短时静止状态下吸收入射光效果未发生明显改变，而心脏的周期性搏动使得人体血管内的血容积呈现出周期性变化，所以人体血管对于入射光线的吸收变化也呈现出周期性波动。当心脏收缩时，血液从心脏内流出进入动脉和毛细血管，此时动脉和毛细血管内血液量显著增加，对于入射光的吸收效果显著提升，但人体其他组织对入射光的吸收效果基本不发生变化；心脏舒张时血管中的血液向心脏回流，造成血管中血液容量迅速下降，相应的毛细血管和动脉血管吸收光线的能力也降低，而其他组织吸收光线能力保持不变。因此可以认为在心脏整个收缩舒张周期中，血管内血液容积对光线的吸收能力呈周期性变化。
基于上述人体皮肤的光学特性，郎伯-比尔定律阐释了物质对光的吸收强度与吸光物质浓度之间的关系，协助 PPG 技术实现从生理学向数学关系的转变。郎伯-比尔定律表明：当吸光介质是透明介质时，介质的吸光程度和光线强度无关；吸光的分子数量越大，吸光量越大。而在 PPG 技术中，光的吸收量正比于人体真皮层里血管血液容积。
2.2常用脉搏波信号去噪方法
光电容积描记技术作为实现非接触式心率检测的理论基础，其应用过程容易受到环境光照、运动伪影以及操作设备等因素的影响，降低心率测量结果的精确度，因此使用有效的脉搏波信号去噪方法是提高心率测量精确度的一个重要方式。下面分别介绍目前常用的脉搏波信号去噪方法。
2.2.1 盲源分离
盲源分离（Blind Source Separation，BSS）也可以被称作盲信号分离，是指在源信号未知且信号混合参数未知的情况下，仅从可观测到的混合信号中估计源信号的去噪过程。1986 年Jutten 与 Herault 两位学者第一次提出盲源分离技术理论，使用 Hebb 反馈机制与基础神经网络相结合的方式，从观测到的混合信号中分离出相互独立的源信号，然而由于缺少对源信号混合方式的具体分析，该算法存在一定的收敛性缺陷[36]。不过盲源分离具有较好的功能与普适性，在图像信号处理、数字信号分析、自然语言处理以及现实医疗领域都具有广泛的应用前景。根据不同源信号与不同混合参数的前置条件，盲源分离模型有三种类型，分别为卷积混合盲源分离、线性瞬时混合盲源分离、非线性混合盲源分离[37]。下图 2.1 表示，该模型为一种较为简单的线性瞬时混合信号模型。通常情况下，实际应用中大部分混合信号经过盲源分离后是非线性的，由于构造并分析非线性模型极为复杂，同时线性瞬时混合盲源分离模型对于符合高斯分布的信号能够得到较好的结果，因此常使用线性瞬时盲源分离模型进行信号去噪。
第三章 基于面部视频的非接触式心率检测方法.................................... 17
3.1基于面部视频的非接触式心率检测方法流程 .......................................... 17
3.2基于 HSL 皮肤检测与色度模型的心率检测方法 ......................................... 18
3.3数据采集 ................................... 18
第四章 非接触式心率检测系统分析与设计 ...................... 35
4.1可行性分析 .......................................... 35
4.1.1 技术可行性 .................................................... 35
4.1.2 经济可行性 ...................................... 36
第五章 非接触式心率检测系统实现与测试 ............................... 51
5.1系统开发环境及工具 .................................... 51
5.2系统数据库 ................................................... 52
5.3系统实现 .............................................. 52
第五章 非接触式心率检测系统实现与测试
5.1 系统开发环境及工具
（1）硬件环境
配备的硬件设备采用 Intel Core i7 7700 处理器，8GB 内存，120G 固态硬盘。
（2）软件环境
考虑到目前实际应用场景中基础用户的配置，基于面部视频的非接触式心率检测系统开发过程中操作系统采用 Windows 10。同时由于该系统中核心算法采用 C++语言进行编写，所以代码开发工具使用 Visual Studio 2017 Professional 和 Qt Creator，以及集合 OpenCV SDK 等开发工具包的开源库。具体实现过程中使用的类如表 5.1 所示：
第六章 总结与展望
目前，生理亚健康和心理压力问题随着社会各方面的发展与日俱增，其中心血管问题得到了社会各界广泛的关注与重视，人们愈发关注心率等生理指标与人体健康之间的联系。一方面，接触式心率检测方法给受试者造成不适感且应用场景受限；另一方面，非接触式心率检测方法研究缺少相关系统实现，因此设计并实现基于面部视频的非接触式心率检测系统成为亟待解决的问题。本文结合面向对象的程序设计思想完成对基于面部视频的非接触式心率检测系统的设计与实现，具体工作如下：
（1）经过对光电容积描记技术和独立成分分析等脉搏波信号去噪方法的研究，深入分析基于面部视频的非接触式心率检测方法的流程框架，同时结合 HSL 皮肤检测和色度模型转换等信号处理方法，设计了一种适用于检测系统的心率检测方法。该方法通过人脸检测、数据提取、信号处理和信号分析等步骤，降低面部晃动等干扰因素的影响，计算出人体心率数值。
（2）针对基于 HSL 皮肤检测与色度模型的非接触式心率检测方法，设计不同的实验场景，根据录制的多名受试者面部视频进行对比实验，证明了该方法在应用场景中的可行性与有效性。
（3）针对非接触式心率检测系统不足的问题，结合本文设计的非接触式心率检测方法，详细设计心率检测系统的各项功能，选择合适的硬件设备和主流的软件开发工具，实现基于面部视频的非接触式心率检测系统开发。
参考文献（略）