论文部分内容阅读
人体呼吸信号呈现的节律、强度和频率等方面的信息,在很大程度上能够反应人体呼吸器官的病变。因此,对人体呼吸状况进行监测具有重大的医学意义。但目前医用呼吸监测设备往往体积庞大、或是价格昂贵,并且多采用传感器与人体直接接触的接触式检测方法,会给病人带来不便和束缚感。同时,人体某些不经意的活动可能会导致传感器脱落和移动,使得检测结果不准确,甚至检测失败。针对上述问题,本文以人体呼吸运动作为研究对象,采用摄像头作为检测传感器,结合图像处理和信号处理技术,研究如何在不与人体直接接触的情况下,准确且稳定地获取人体呼吸信号。根据人体呼吸运动与人体胸腹起伏运动具有相关性的特点,提出一种基于运动放大的非接触式呼吸信号检测方法,以提高呼吸检测的准确度。采用接收板接收光发射器照射在人体胸腹部并反射出的光。通过摄像机采集接收板上的光点图像,并采用图像运动跟踪算法自动跟踪光点的运动,从而获取人体的呼吸信号。使用图像处理技术自动检测并连续跟踪接收板上表征人体呼吸运动的光点运动轨迹,从而间接获取人体的呼吸信号。针对光点亮度高的特点,提出一种自适应的阈值检测算法,通过从光点图像的灰度直方图的最高灰度级开始遍历,寻找出现的第一个波谷点对应的灰度级作为阈值。使用该算法与大津法和迭代法对光点图像进行阈值分割对比实验。实验结果表明,本文的算法能够准确检测光点。光点检测成功后,针对光点运动具有周期性的特点,提出一种结合卡尔曼滤波与自适应模板匹配的跟踪算法。使用该跟踪算法与模板匹配跟踪算法对图像序列中的光点进行跟踪对比实验。实验结果表明,本文提出的跟踪算法具有实时性和准确性高的优点。针对咳嗽、身体抖动和说话等非呼吸运动引起的干扰问题,提出一种空间约束的方法,以提高呼吸检测的准确度和鲁棒性。针对图像采集、图像处理和信号处理等过程的时间占用引起的呼吸信号检测的滞后问题,使用基于自适应滤波器的信号预测算法对呼吸运动进行补偿,使得本文提出的呼吸信号检测方法能够适应对呼吸检测要求实时性高的场合。通过对本文提出的呼吸信号检测和呼吸信号预测方法的理论研究,实现了相应的呼吸信号检测系统。使用该系统对不同的志愿者进行呼吸信号检测和预测实验。实验结果表明,本文提出的呼吸信号检测方法能够将较小的表征人体呼吸的胸部或腹的运动进行放大,从而提高呼吸检测的准确性。同时,本文所使用的自适应呼吸信号预测算法具有预测精度高和鲁棒性强的特点。