Другие журналы
Сетевое издание Математика и математическое моделирование

Издатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл. № ФС 77-61857. ISSN 2412-5911

Метод бесконтактной оценки паттерна дыхания человека при помощи стереопары

Математика и математическое моделирование # 04, август 2015
DOI: 10.7463/mathm.0415.0813373
Файл статьи: Mathm_Aug2015_066to080.pdf (1359.59Кб)
авторы: Гнатюк В. С.1, Анищенко Л. Н.1,*

УДК 004.3+519.6

1 Россия,  МГТУ им. Н.Э. Баумана

Разработка бесконтактных методов мониторинга различных жизненных параметров человека является важной задачей современной медицины. Особую актуальность данный вопрос приобретает при контроле состояния пациента на дому самостоятельно, например, с целью оценки параметров дыхания во сне, оценки его качества и выявления различного рода нарушений сна, например, синдрома апноэ сна - состояния, для которого характерно прекращение легочной вентиляции более чем на 10 секунд и падение насыщения крови кислородом.
В данной работе был реализован и протестирован алгоритм для бесконтактного мониторинга паттерна дыхания с помощью двух жестко закрепленных веб-камер, направленных на человека. Алгоритм базируется на применении методов компьютерного зрения и обработки видеопоследовательностей.
Особое внимание уделено подходам построению карты диспаратности и улучшения соотношения сигнал/шум при помощи комбинации известных функций сравнения интенсивности пикселей: AD - функции абсолютных разностей, и функции Census, сравнивающей битовые строки исследуемых регионов изображения.
Существенную роль в минимизации шума играет метод  агрегации, суть которого заключается в том, что пиксели, имеющие схожую интенсивность, признаются принадлежащим одним и тем же структурам на изображении, а значит, имеют схожую диспаратность. Вариабельность входных параметров данного метода и возможность регулировки количества итераций позволяют получить точные карты диспаратности для входных изображений практически любого качества. Тестирование проводилось для веб-камер CBR CW 833M.
Основным результатом исследования является выделенный на основе восстановленных карт глубины дыхательный профиль, отражающий интенсивность дыхания исследуемого человека и представляющий данные об амплитуде отклонений его грудной клетки.
Главным отличием предложенного метода от других является более высокая точность и расчет профиля дыхания в режиме реального времени. Режима реального времени удалось достигнуть при помощи технологии OpenCL и распараллеливании вычислений на графической видеокарте.
 Алгоритм был протестирован на испытуемых с различными антропоморфными характеристиками и типами дыхания с целью исследования ограничений применений предложенного метода на практике.

Список литературы
1.Алёхин М.Д., Анищенко Л.Н., Корчагина Д.А. Метод биорадиолокации в анализе перемещений грудной клетки при спокойном дыхании. Биомедицинская радиоэлектроника. 2009. № 10. C. 56-61. Режим доступа: http://www.radiotec.ru/catalog.php?cat=jr6&art=6827(дата обращения: 15.06.2015).
2.Heinrich A., Heesch F. van. Video based actigraphy and breathing monitoring from the bedside table of shared beds// Journal of Ambient Intelligence and Humanized Computing. 2014. № 6. Pp. 107–120. DOI: 10.1007/s12652-014-0247-6 . Режим доступа: http://link.springer.com/article/10.1007%2Fs12652-014-0247-6#page-2 (дата обращения 15.06.2015).
3.Wang Ch. W., Hunter A. Unconstrained Video Monitoring of Breathing Behavior and Application to Diagnosis of Sleep Apnea// IEEE Transactions on Biomedical Engineering. 2014. Vol. 61. No 2. Pp. 396 - 404. DOI: 10.1109/TBME.2013.2280132 . Режим доступа:http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6587794(дата обращения: 25.06.2015).
4.Middlebury Stereo Datasets. http://vision.middlebury.edu/stereo/data/ (дата обращения: 15.06.2015)
5.Mei X., Sun X.; Zhou M.; Jiao S.; Wang H.; Zhang X. On Building an Accurate Stereo Matching System on Graphics Hardware // 2011 IEEE International Conference on Computer Vision Workshops (ICCV Workshops). Barcelona. 2011. Рр. 467 - 474. DOI: 10.1109/ICCVW.2011.6130280 (http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6130280).
6.Тan P., Monasse P. Stereo Disparity through Cost Aggregation with Guided Filter// Image Processing On Line. 2014, N. 4. Pp. 252–275. http://dx.doi.org/10.5201/ipol.2014.787.Zhang K., Lu J. Cross-Based Local Stereo Matching Using Orthogonal Integral Images// IEEE Transactions on Circuits and Systems for Video Technology. 2009. Vol. 19, Issue 7. Pp. 1073 - 1079. DOI: 10.1109/TCSVT.2009.2020478 . Режим доступа: http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=4811952&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D4811952(дата обращения 15.06.2015).
8.Fang J., Varbanescu A. L. Accelerating Cost Aggregation for Real-Time Stereo Matching// IEEE 18th International Conference on Parallel and Distributed Systems (ICPADS). Singapore, 2012. Pp. 472 - 481. DOI: 10.1109/ICPADS.2012.71 . Режим доступа: http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6413661 (дата обращения: 15.06.2015).
Поделиться:
 
ПОИСК
 
elibrary crossref neicon rusycon
 
ЮБИЛЕИ
ФОТОРЕПОРТАЖИ
 
СОБЫТИЯ
 
НОВОСТНАЯ ЛЕНТА



Авторы
Пресс-релизы
Библиотека
Конференции
Выставки
О проекте
Rambler's Top100
Телефон: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)
  RSS
© 2003-2018 «Математика и Математическое моделирование» Тел.: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)