0 引言
根据《中国心血管健康与疾病报告》可知：近年来，心血管疾病已经成为我国致死数最多的疾病，高于癌症、消化系统疾病等其他疾病[1]。预防和诊断心血管疾病的指标主要包括心率、血氧饱和度和血压等与心血管疾病密切相关的医疗体征[2]。目前主流市场存在一些家庭式生理监测设备，包括指夹式脉搏血氧仪、智能手环[3]、袖带式血压仪等[4]。但是以上设备仍然存在着许多不足，同时在使用时存在一定的局限性，不能满足所有情形下的使用要求。
成像式光电容积描记技术(iPPG)在近年来快速发展，该技术在平台上可以比较轻松地实现，只需要一个摄像头便可以远程非接触式对生理信号进行测量。这种测量方法尤其适用于一般的家庭中进行快速便捷的健康检查，目前该技术吸引了大量生物医学工程领域的人员目光，成为该领域的新兴研究方向之一[5]。
目前国内外对非接触式测量的研究仍处于起步阶段，主要的研究是测量心率、血压和血氧饱和度等。2007年，日本的Takano等基于iPPG技术使用相机采集的人体皮肤视频研究出了一种心率与呼吸频率采集装置[6]；2017年，马良提出一种基于双波长法，远程测量血氧饱和度的方法[5]；也有研究利用贝叶斯光谱估计法，通过视频测量得到脉搏等[7]。Chwyl等以贝叶斯估计为基础，提出了一种非接触式心率检测方法[8]。
然而，上述文献中对于有效iPPG信号的选取主要还是依靠传统的算法以及后期人工识别，这些方法费时费力，且准确率不高，难以应用于实际的复杂场景中，因此，本研究设计了基于深度学习的iPPG 有效信号识别方法。通过高分辨率相机在稳定光源下对人脸视频进行采集，然后通过设计人脸识别算法进行定位，从选取的感兴趣区域(Region Of Interest，ROI)提取脉搏波信号并进行去噪处理，然后用训练好的深度学习模型对信号进行有效性识别，并将最后识别得到的iPPG信号与标准的PPG信号进行了对照。下面就对本文所设计的采集系统、人脸定位算法以及深度学习模型进行完整的介绍。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004909
作者信息：
陈泽辉1，熊继平1，李金红2，陈经纬1，程汉权1
(1.浙江师范大学 物理与电子信息工程学院，浙江 金华321004；
2.浙江师范大学 数学与计算机科学学院，浙江 金华321004)
