Mittels remote Photoplethysmography (rPPG) ist es möglich, Vitalparameter wie die Herzrate mittels einer günstigen RGB - Kamera kontaktlos zu messen. In dieser Arbeit wird zunächst auf die grundlegenden biologischen und physikalischen Hintergründe, welche rPPG möglich machen, eingegangen. Anschließend werden einige Studien der letzten Jahre zusammengefasst. Dabei wird auf die mathematische Funktionsweise eines Algorithmus, welcher die relativen Pulsstärken in den einzelnen Farbkanälen, sowie Reflexionsrichtung des Hautgewebes ausnutzt, näher eingegangen. Die Farbwerte der Kamera werden über eine Region of Interest (ROI) gemittelt und zeitlich normalisiert.
In einer Performance-Analyse werden im Zuge von 8 Aufnahmen die Herzraten mittels rPPG über eine eingebaute Laptop-Webcam und mittels herkömmlichem Photoplethysmografie (PPG) über ein Fingerpulsoximeter verglichen. Bei ruhiger Sitzhaltung unmittelbar vor der Kamera erhält man Ergebnisse, die im besten Fall lediglich 0.6% und durchschnittlich 1% vom Referenzsignal abweichen. Für eine zweite Webcam, die getestet wird, versagt der Algorithmus. Der relativen Fehler beträgt 15.3% und 29%.
Inhaltsverzeichnis
1 Einleitung
2 Literaturrechereche
2.1 Medizinsiche Grundlagen
2.2 aktuelle Methoden zur kamerabasierten Photoplethysmografie
3 Methoden
3.1 Signal-Extraktion
3.2 Ermittlung des Pulssignals
3.3 Ermittlung der Herzrate
4 Performance Analyse
4.1 Versuchsdurchführung
4.2 Ergebnisse und Diskussion
5 Fazit
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist die Implementierung und Evaluation eines Verfahrens zur kontaktlosen Messung der Herzrate (remote Photoplethysmography, rPPG) mittels einer handelsüblichen Kamera. Im Fokus steht die Entwicklung eines Algorithmus, der durch die Auswertung von Videosignalen und die Definition einer Region of Interest (ROI) robuste Vitalparameter in Echtzeit extrahiert.
- Grundlagen der rPPG-Technologie und Physiologie
- Algorithmen zur Signalextraktion und -verarbeitung
- Methoden zur Unterdrückung von Bewegungsartefakten
- Performance-Analyse der Herzratenbestimmung
- Vergleich zwischen Kameradaten und Referenzsignalen
Auszug aus dem Buch
3.1 Signal-Extraktion
Es wurde bereits festgestellt, dass vor allem das Gesicht eine qualitative Quelle für das rPPG-Signal ist. Um den Bereich des Gesichts von der restlichen Umgebung im Bild zu trennen, muss eine Gesichtserkennung angewendet werden. OpenCV bietet dazu eine auf Deep Learning basierte, vortrainierete Gesichtserkennung an. Diese beruht auf dem Prinzip des Single Shot MultiBox Detector (SSD) [7]. Dabei bedeutet Singe Shot, dass die Aufgabe der Objekteingrenzung in einem einzelnen Vorwärts-Durchlauf durch das neuronale Netzwerk stattfindet. Multi Box ist der Name der Bounding Box regression Technik von Szegedy et al. [11]. Es werden Default-Boxen unterschiedlicher Skalierungen über das Bild gelegt und geprüft mit, welcher Sicherheit diese übereinstimmen.
Man erhält als Rückgabewert die Eckpunkte, welche die ROI orthogonal eingrenzen. Das Gesicht wird im Zuge dessen äußerst zuverlässig erkannt, auch wenn der Kopf etwas geneigt ist und man nicht vollkommen gerade in die Kamera blickt. Ein Schwachpunkt ist jedoch, dass sich die ROI, in Bezug auf die Position, etwas unruhig verhält. Dies lässt sich dadurch begründen, dass das Gesicht mit jedem Frame erneut erkannt werden muss und das Gesicht zwischen zwei Frames nie genau auf der selben Position verharrt. Problematisch wird dies, wenn später das Pulssignal extrahiert werden soll, da dadurch Artefakte entstehen, die möglicherweise das Pulssignal dominieren. Ein Ansatz besteht darin, die ROI nicht für jeden Frame komplett neu zu definieren, sondern die Position der ROI aus dem vorherigen Frame mittels dem Verfahren der exponentiellen Glättung einfließen zu lassen. Als effektiv hat sich für das Gewicht λ = 0.9 herausgestellt. Die nun erhaltene ROI bewegt sich bei Stillhalten des Kopfes nahezu nicht mehr.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Thematik der kontaktlosen Pulsmessung ein und erläutert die Zielsetzung sowie das methodische Vorgehen der Arbeit.
2 Literaturrechereche: Hier werden die medizinischen und physikalischen Grundlagen der Photoplethysmografie sowie bestehende wissenschaftliche Ansätze zur Umsetzung von rPPG detailliert dargestellt.
3 Methoden: Dieses Kapitel beschreibt die technische Umsetzung, von der Gesichtserkennung über die Signalaufbereitung bis hin zur mathematischen Extraktion der Herzrate aus dem Kamerabild.
4 Performance Analyse: In diesem Teil wird die Validität und Reliabilität des entwickelten Algorithmus anhand von praktischen Versuchen unter verschiedenen Bedingungen geprüft und diskutiert.
5 Fazit: Das Fazit fasst die Ergebnisse zusammen und bewertet die Eignung der Methode für verschiedene Anwendungsszenarien sowie das Potenzial für zukünftige Optimierungen.
Schlüsselwörter
rPPG, Photoplethysmografie, Herzrate, Vitalparameter, Signalverarbeitung, Gesichtserkennung, ROI, POS-Algorithmus, Bewegungsartefakte, Bildverarbeitung, Pulsfrequenz, Kontaktlose Messung, Kamerabasierte Diagnostik, Python, OpenCV
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der kontaktlosen Messung der menschlichen Herzrate unter Verwendung einer Standard-Kamera durch ein Verfahren namens remote Photoplethysmography (rPPG).
Was sind die zentralen Themenfelder der Untersuchung?
Die zentralen Felder sind die medizinischen Hintergründe des Blutvolumenpulses, die mathematische Modellierung der Hautreflexion sowie die praktische Implementierung von Algorithmen zur Signalverarbeitung.
Was ist das primäre Ziel der Bachelorarbeit?
Das primäre Ziel ist die Implementierung eines rPPG-Verfahrens, das zuverlässig Herzraten aus Videosignalen einer Webcam extrahiert, und die anschließende Validierung dieser Ergebnisse durch einen Vergleich mit medizinischen Referenzgeräten.
Welche wissenschaftliche Methode wird zur Analyse verwendet?
Es wird der sogenannte POS-Algorithmus (Plane-orthogonal-to-skin) eingesetzt, der darauf abzielt, durch Projektion des RGB-Farbsignals auf eine spezifische Ebene Störeinflüsse wie Lichtänderungen und Bewegungsartefakte zu eliminieren.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretische Literaturrecherche, die methodische Software-Implementierung mittels Python und OpenCV sowie eine ausführliche Performance-Analyse, in der verschiedene Anwendungsszenarien getestet werden.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind rPPG, Herzrate, Signalverarbeitung, Region of Interest (ROI), Bewegungsartefakte und die mathematische Signalextraktion.
Warum spielt die Wahl der Region of Interest (ROI) eine so entscheidende Rolle?
Die ROI bestimmt, welche Hautpartien analysiert werden; eine präzise Wahl ist notwendig, um die pulsatilen Informationen der Haut von Hintergrundstörungen und Bewegungsartefakten zu isolieren.
Welchen Einfluss hat die verwendete Kamera auf das Ergebnis?
Die Qualität der Kamera, insbesondere hinsichtlich Farbechtheit und Schärfe, ist entscheidend, da das rPPG-Verfahren auf sehr feine Farbänderungen im Bild angewiesen ist, die bei minderwertigen Sensoren verloren gehen können.
- Citation du texte
- Gabriel Obwegeser (Auteur), 2019, Berührungslose Pulsmessung mit Kamera-basierter Photoplethysmografie. Theorie und Performance-Analyse, Munich, GRIN Verlag, https://www.grin.com/document/590487
