一种场域化场景下个体心率的精准预测方法
本发明涉及心率测量，特别是涉及一种场域化场景下个体心率的精准预测方法。
背景技术：
1、运动心率的测量是评估心血管适应性、训练效果及体质健康状况的重要手段。运动心率(exercise heart rate，ehr)是指在运动或体力活动过程中的心率水平，反映了心脏对运动强度的适应强度和个体的运动耐受性。进入21世纪，光电容积脉搏技术(ppg)成为新的发展方向，这种技术通过在皮肤表面检测血流量变化来测量心率，被广泛应用于各种可穿戴智能手表和健身追踪器中。然而ppg技术受到运动产生的噪声干扰较大，以及运动中的汗液会对测量产生干扰。远程光电容积描记法(rppg)是一种非接触式，使用视频摄像头来检测皮肤色调因血流而产生的细微变化，但可能受到环境因素的影响。
2、而进入数字化时代，以数据驱动为核心的各类大数据模型，对研究对象进行类别化自动处理。这种类别化的群体在某些指标上存在同质性，通过采集个性化、精准化数据，分析某些群体同质性的特征，能够反向对某些群体进行干预，进而达到期望效果。心率测量在经过了上述历程，显然在测量准确性、便捷性、方便性、研究性上都大大提高。然而凸显最明显的一个问题是，测量的方法通常运用到各个场景上，而这种测量方法形成的背后数据支撑都不能做到各个场景的相适性，因此适应类别化、同质化群体的运动心率的测量急需出现。
3、通常状态下，正常人的心率与脉搏是基本一致的，市场上多数可穿戴设备均是通过估算脉搏值来实现心率值的测量。穿戴设备在检测运动心率过程中受传感器贴合度变化和软组织及血管形变的影响，因此在测量心率过程中需要进行运动干扰的抑制。运动干扰抑制具体方法是求取对应时间窗内加速度信号去均值后的频谱幅值，利用1/2的频谱峰值作为阈值进行判断，大于阈值的峰值频率都被认为是主要频率。然而在运动状态中的转变过程中会出现运动频率成分遗失的情况。
技术实现思路
1、本发明的目的是提供一种场域化场景下个体心率的精准预测方法，解决当前穿戴设备在运动期间心率数据损失问题，尤其是在高强度运动过程中。
2、为实现上述目的，本发明提供了如下方案：
3、一种场域化场景下个体心率的精准预测方法，包括：
4、利用速度估计模型对待检测目标的瞬时速度进行估计，获取所述待检测目标的瞬时速度，其中，所述速度估计模型为时刻和瞬时速度的关系模型；
5、基于所述待检测目标的瞬时速度，利用心率预测模型对所述待检测目标的心率进行预测，获取所述待检测目标的心率，其中，所述心率预测模型为瞬时速度和心率的关系模型。
6、可选的，构建所述速度估计模型包括：
7、获取检测目标运动视频，通过预设采样间隔对视频进行采样，获取若干次采样时所述检测目标的实际坐标；
8、基于所述实际坐标，计算瞬时速度，获取时间-瞬时速度序列；
9、基于所述时间-瞬时速度序列采用最小二乘法的思想进行分段拟合，获取所述速度估计模型。
10、可选的，获取所述检测目标的实际坐标包括：利用yolov5m模型对所述待检测目标进行人体目标检测，对所述待检测目标进行可视化标记，并获取所述待检测目标的实际坐标。
11、可选的，获取所述待检测目标的实际坐标后包括：通过将所述实际坐标进行投影变换，将所述实际坐标映射至俯视图；
12、所述实际坐标映射至俯视图方法为：
13、
14、其中，(x,y)为像素点坐标，(xreal,yreal)为实际坐标，m为俯视图水平方向含有像素数，n为俯视图垂直方向含有像素数，m为目标场景的长，n为目标场景的宽。
15、可选的，所述心率预测模型为：
16、
17、其中，为第t时刻的心率，c为一常数，表示t时刻心率与之前的t-c,t-c+1,…,t-1共c时刻相关，f(vt-i)为长时间以速度vt-i匀速跑步是到达的稳定心率，min{c,t-1}为取c时刻和t-1时刻中的最小值。
18、可选的，利用心率预测模型对所述待检测目标的心率进行预测之前包括：获取若干离散的速度-心率点对，并进行最小二乘拟合，获取速度-心率函数，将所述速度-心率函数与真实速度-心率函数进行对比，对所述心率预测模型进行验证。
19、本发明的有益效果为：本发明旨在通过一个新颖的无接触式心率监测技术来解决当前穿戴设备在运动期间心率数据损失问题，尤其是在高强度运动过程中。传统的心率监测设备往往需要与皮肤直接接触，并且易受运动造成的频繁振动和汗水影响，导致心率数据不稳定或丢失。而本发明通过利用运动速度与心率之间的关联性，结合先进的算法来推导出准确的运动心率，从而有效避免了接触式传感器所常见的问题。
20、本发明采用运动速度与心率算法模型相结合的方法。克服之前心率测量的种种不便，从而显著提高心率监测的准确性。通过引入运动速度作为计算心率的关键参量，本发明在提供心率数据的准确性、稳定性上有了显著的改进。与传统技术相比，能够在各种运动强度下，更加稳定和准确地提供心率数据，尤其是在外部环境因素影响较大时，如户外跑步、骑行等。
21、本发明通过这种无接触式心率监测技术不仅使得用户在进行运动时更为方便快捷地获取心率数据，而且还能鼓励更多人参与到运动中来。因为使用简便，更多人可能会因此而开始关注并监测自己的心率，从而更有效地管理自己的健康。
技术特征：
1.一种场域化场景下个体心率的精准预测方法，其特征在于，包括：
2.根据权利要求1所述的场域化场景下个体心率的精准预测方法，其特征在于，构建所述速度估计模型包括：
3.根据权利要求2所述的场域化场景下个体心率的精准预测方法，其特征在于，获取所述检测目标的实际坐标包括：利用yolov5m模型对所述待检测目标进行人体目标检测，对所述待检测目标进行可视化标记，并获取所述待检测目标的实际坐标。
4.根据权利要求2所述的场域化场景下个体心率的精准预测方法，其特征在于，获取所述待检测目标的实际坐标后包括：通过将所述实际坐标进行投影变换，将所述实际坐标映射至俯视图；
5.根据权利要求1所述的场域化场景下个体心率的精准预测方法，其特征在于，所述心率预测模型为：
6.根据权利要求1所述的场域化场景下个体心率的精准预测方法，其特征在于，利用心率预测模型对所述待检测目标的心率进行预测之前包括：获取若干离散的速度-心率点对，并进行最小二乘拟合，获取速度-心率函数，将所述速度-心率函数与真实速度-心率函数进行对比，对所述心率预测模型进行验证。
技术总结
本发明涉及一种场域化场景下个体心率的精准预测方法，包括：利用速度估计模型对待检测目标的瞬时速度进行估计，获取所述待检测目标的瞬时速度，其中，所述速度估计模型为时刻和瞬时速度的关系模型；基于所述待检测目标的瞬时速度，利用心率预测模型对所述待检测目标的心率进行预测，获取所述待检测目标的心率，其中，所述心率预测模型为瞬时速度和心率的关系模型。本发明通过利用运动速度与心率之间的关联性，结合先进的算法来推导出准确的运动心率，从而有效避免了接触式传感器所常见的问题。
技术研发人员：吕雄策,胡诚成,刘伟,陶冶,段玉丞
受保护的技术使用者：北京邮电大学
技术研发日：
技术公布日：2024/12/5