通过摄像头监测心率

导言

现在通过手机摄像头监测心跳的APP非常之多，原理是通过摄像头收集手指的光线变化影像进行判断。原理网上有许多解释，我们自己也可以进行实践。当我们自己把闪光灯打开，把手指轻轻放在摄像头上，也可以看到图像颜色的轻微周期性的变化，这种颜色周期性的变化即心脏的周期性跳动。本人根据网上的资料初略实现了心跳检测，写下来供大家参考，其中若有错误或者可以优化的地方请大家留言。

原理

采集摄像头的图片数据，转换成RGB数据，然后转化成HSV数据，取其中的H数据作为数据分析的根据。对H数据进行差分阈值法处理，然后使用基音检测算法求出心率。

实现

1、取到RGB数据

我们在iOS手机上进行实现，安卓手机也一样，只是摄像头数据采集部分有所不同。摄像头数据采集部分在此不再叙述，可参考//www.greatytc.com/p/f1e342945933。在iOS里面我们拿到的是CMSampleBufferRef数据，我们需要把CMSampleBufferRef转换成我们需要的RGB数据。代码如下：

    CVPixelBufferRef imageBuffer = CMSampleBufferGetImageBuffer(sampleBuffer);
    CVPixelBufferLockBaseAddress(imageBuffer, 0);
    uint8_t*buffer = (uint8_t *)CVPixelBufferGetBaseAddress(imageBuffer);
    size_t width = CVPixelBufferGetWidth(imageBuffer);
    size_t height = CVPixelBufferGetHeight(imageBuffer);

此时buffer里面的数据即为RGBA数据，每个数据占据8位，一个字节，内存排列为：B(一个字节)G(一个字节)R(一个字节)A(一个字节)BGRABGRA……；我们依次读取BGR数据，不需要A（alpha，透明通道）。我们求出RGB的平均值，代码如下：

    NSInteger totalR = 0;
    NSInteger totalG = 0;
    NSInteger totalB = 0;
    
    for (int i = 0; i < height * width; i++) {
        int b = buffer[i * 4];
        int g = buffer[i * 4 + 1];
        int r = buffer[i * 4 + 2];
        totalR += r;
        totalG += g;
        totalB += b;
    }
    
    double averageR = totalR * 1.0 / (width * height);
    double averageG = totalG * 1.0 / (width * height);
    double averageB = totalB * 1.0 / (width * height);

2、RGB转换为HSV数据

转换公式如下：

RGB转HSV(其中，M = max(R, G, B), m = min(R, G, B))

转换为H的具体代码如下：

+ (double)getHFromR:(double)r g:(double)g b:(double)b {
    
    double max = MAX(r, MAX(g, b));
    double min = MIN(r, MIN(g, b));
    double off = max - min;
    
    if (max == min) {
        return 0;
    }
    if (max == r && g >= b) {
        return 60.0 * (g - b) / off;
    }
    if (max == r && g < b) {
        return 60.0 * (g - b) / off + 360;
    }
    if (max == g) {
        return 60.0 * (b - r) / off + 120;
    }else {
        return 60.0 * (r - g) / off + 240;
    }
}

3、使用差分阈值法对H数据进行处理

差分阈值法可以放大数据的波动，更好的提取数据的特征值，计算如下，以后一个数据减去前一个数据的差值作为特征值。如{1.1,1.3,1.4,1}，处理后为{0.2,0.1,-0.4}。代码如下：

// 记录浮点变化的前一次的值
static float lastValue = 0;
// 用于判断是否是第一个浮点值
static int   count = 0;
//使用差分阈值法处理数据
- (float)differenceThresholdArithmetic:(float)value {
    float low = 0;
    count++;
    lastValue = (count == 1) ? value : lastValue;
    low = (value - lastValue);
    lastValue = value;
    return low;
}

经过测试，阈值差分法计算出的正常值不会超过1，我们需要把超过1的异常数据进行过滤。

4、使用基音检测算法求出心率

算法原理为首先估算出大概的心率周期，然后在3个周期的数据里面寻找一个最低值，然后在该值的前1.5-0.5周期和该值的后0.5-1.5周期里面分别寻找到最低值，然后取两个较低值中的一个与最低值进行时间比较，计算心跳周期，然后计算出心率。如下图：

基音检测算法示意图

其中，左次低点和右次低点至少存在一个，若存在一个则计算左次低点或者右次低点与最低点的时间差值，若存在两个则选取更加接近最低点的一个值进行计算。保存特征值时需要同时保存值的提取时间，做周期计算使用。
代码如下：

- (void)analysisPointsWith:(NSDictionary *)point {
    
    [self.points addObject:point];
    //样本过少
    if (self.points.count <= self.T * 3){
        return;
    }
    int count = (int)self.points.count;
    
    int minIndex = 0;                   //最低峰值的位置 姑且算在中间位置
    int minLeftMinIndex = 0;          //最低峰值左面的最低峰值位置
    int minRightMinIndex = 0;          //最低峰值右面的最低峰值位置
    
    float minTroughValue = 0;     //最低峰值的浮点值
    float minLeftTroughValue = 0;     //最低峰值左面的最低峰值浮点值
    float minRightTroughValue = 0;     //最低峰值右面的最低峰值浮点值
    
    // 1.先确定数据中的最低峰值
    for (int i = 0; i < count; i++) {
        float trough = [[[self.points[i] allObjects] firstObject] floatValue];
        if (trough < minTroughValue) {
            minTroughValue = trough;
            minIndex = i;
        }
    }
    
    //2.求左边峰值，如果左边的周期大于0.5个周期，则求出左边的峰值
    if (minIndex > 0.5 * self.T) {
        int startLeftIndex = minIndex - 1.5 * self.T;
        if (startLeftIndex < 0) {
            startLeftIndex = 0;
        }
        for (int j = startLeftIndex; j < minIndex - 0.5 * self.T; j++) {
            float trough = [[[self.points[j] allObjects] firstObject] floatValue];
            if ((trough < minLeftTroughValue) && (minIndex - j) <= self.T) {
                minLeftTroughValue = trough;
                minLeftMinIndex = j;
            }
        }
    }
    
    //3.求右边峰值,如果右边的周期大于0.5个周期，则求出右边的峰值
    if (minIndex < count - 0.5 * self.T) {
        int endRightIndex = minIndex + 1.5 * self.T;
        if (endRightIndex > count) {
            endRightIndex = count;
        }
        for (int k = minIndex + 0.5 * self.T; k < endRightIndex; k++) {
            float trough = [[[self.points[k] allObjects] firstObject] floatValue];
            if ((trough < minRightTroughValue) && (k - minIndex <= self.T)) {
                minRightTroughValue = trough;
                minRightMinIndex = k;
            }
        }
    }
    
    // 3. 确定哪一个与最低峰值更接近 用最接近的一个最低峰值测出瞬时心率 60*1000两个峰值的时间差
    int min_index_rl = minLeftMinIndex;
    if (minLeftTroughValue > minRightTroughValue) {
        min_index_rl = minRightMinIndex;
    }
    
    NSDictionary *first_point = self.points[minIndex];
    NSDictionary *second_point = self.points[min_index_rl];
    double first_time = [[[first_point allKeys] firstObject] doubleValue];
    double second_time = [[[second_point allKeys] firstObject] doubleValue];
    int fre = (int)((60 * 1000) / (first_time - second_time));
    fre = abs(fre); //fre即为即时计算心率
    
    // 4.删除过去一个周期的数据
    for (int i = 0; i< self.T; i++) {
        [self.points removeObjectAtIndex:0];
    }
}

5、绘制心率曲线

绘制曲线图时我们需要保存历史数据，我使用一个环形双向链表数据结构进行保存读取数据，使用时非常方便。数据结构体及初始化代码如下：

//数据结构体
struct ESCValueStruct {
    double value;
    struct ESCValueStruct *preStruct;
    struct ESCValueStruct *nextStruct;
};
//链表初始化代码如下：
        int dataCount = 1024 * 4;
        void *data = malloc(sizeof(ESCValueStruct) * dataCount);
        self.data = data;
        ESCValueStruct *firstPoint = data;
        firstPoint->value = 0;
        ESCValueStruct *lastPoint = firstPoint;
        
        for (int i = 1; i < dataCount; i++) {
            ESCValueStruct *currentValueStruct = (data + sizeof(ESCValueStruct) * i);
            currentValueStruct->value = 0;
            lastPoint->nextStruct = currentValueStruct;
            currentValueStruct->preStruct = lastPoint;
            lastPoint = currentValueStruct;
        }
        
        lastPoint->nextStruct = firstPoint;
        firstPoint->preStruct = lastPoint;
        
        self.currentValueStruct = data;

在自定义的UIView中的- (void)drawRect:(CGRect)rect方法中使用UIBezierPath进行绘制。绘制代码如下：

- (void)drawRect:(CGRect)rect {
    CGFloat height = rect.size.height;
    CGFloat width = rect.size.width;
    int step = 2;
    [[UIColor greenColor] setStroke];
    UIBezierPath *path = [UIBezierPath bezierPath];
    path.lineWidth = 1;

    CGFloat value = self.currentValueStruct->value;
    CGFloat y = height / 2 - value * height / 2;
    [path moveToPoint:CGPointMake(width, y)];

    ESCValueStruct *valueStruct = self.currentValueStruct->preStruct;
    
    for (int i = 1; i < width / step; i++) {
        CGFloat value = valueStruct->value;
        CGFloat y = height / 2 - value * height / 2;
        [path addLineToPoint:CGPointMake(width - i * step, y)];
        valueStruct = valueStruct->preStruct;
    }
    [path stroke];
}

最终展示如下：

效果图

demo地址：https://github.com/XMSECODE/ESCHeartRateDemo

参考地址：
https://blog.csdn.net/fishmai/article/details/73457457
https://blog.csdn.net/qq_30513483/article/details/52604148
算法可继续优化，需要者可参考：https://wenku.baidu.com/view/af7faf4eddccda38376baf8e.html