Я пытаюсь реализовать функцию записи сердечного ритма в приложении, которое я разрабатываю.
Предпочтительный способ сделать это - использовать камеру iPhone с подсветкой, если пользователь поместит палец на объектив и обнаружил колебания в видеопотоке, которые соответствуют сердцу пользователя.
Я нашел очень хорошую отправную точку со следующим вопросом здесь
Вопрос предоставляет полезный код для построения графика времени сердечного ритма.
Показывает, как запустить AVCaptureSession и включить подсветку камеры следующим образом:
session = [[AVCaptureSession alloc] init];
AVCaptureDevice* camera = [AVCaptureDevice defaultDeviceWithMediaType:AVMediaTypeVideo];
if([camera isTorchModeSupported:AVCaptureTorchModeOn]) {
[camera lockForConfiguration:nil];
camera.torchMode=AVCaptureTorchModeOn;
// camera.exposureMode=AVCaptureExposureModeLocked;
[camera unlockForConfiguration];
}
// Create a AVCaptureInput with the camera device
NSError *error=nil;
AVCaptureInput* cameraInput = [[AVCaptureDeviceInput alloc] initWithDevice:camera error:&error];
if (cameraInput == nil) {
NSLog(@"Error to create camera capture:%@",error);
}
// Set the output
AVCaptureVideoDataOutput* videoOutput = [[AVCaptureVideoDataOutput alloc] init];
// create a queue to run the capture on
dispatch_queue_t captureQueue=dispatch_queue_create("catpureQueue", NULL);
// setup our delegate
[videoOutput setSampleBufferDelegate:self queue:captureQueue];
// configure the pixel format
videoOutput.videoSettings = [NSDictionary dictionaryWithObjectsAndKeys:[NSNumber numberWithUnsignedInt:kCVPixelFormatType_32BGRA], (id)kCVPixelBufferPixelFormatTypeKey,
nil];
videoOutput.minFrameDuration=CMTimeMake(1, 10);
// and the size of the frames we want
[session setSessionPreset:AVCaptureSessionPresetLow];
// Add the input and output
[session addInput:cameraInput];
[session addOutput:videoOutput];
// Start the session
[session startRunning];
Я в этом примере должен быть <AVCaptureVideoDataOutputSampleBufferDelegate>
И поэтому для получения необработанных данных камеры необходимо реализовать следующий метод:
- (void)captureOutput:(AVCaptureOutput *)captureOutput didOutputSampleBuffer:(CMSampleBufferRef)sampleBuffer fromConnection:(AVCaptureConnection *)connection {
static int count=0;
count++;
// only run if we're not already processing an image
// this is the image buffer
CVImageBufferRef cvimgRef = CMSampleBufferGetImageBuffer(sampleBuffer);
// Lock the image buffer
CVPixelBufferLockBaseAddress(cvimgRef,0);
// access the data
int width=CVPixelBufferGetWidth(cvimgRef);
int height=CVPixelBufferGetHeight(cvimgRef);
// get the raw image bytes
uint8_t *buf=(uint8_t *) CVPixelBufferGetBaseAddress(cvimgRef);
size_t bprow=CVPixelBufferGetBytesPerRow(cvimgRef);
float r=0,g=0,b=0;
for(int y=0; y<height; y++) {
for(int x=0; x<width*4; x+=4) {
b+=buf[x];
g+=buf[x+1];
r+=buf[x+2];
// a+=buf[x+3];
}
buf+=bprow;
}
r/=255*(float) (width*height);
g/=255*(float) (width*height);
b/=255*(float) (width*height);
float h,s,v;
RGBtoHSV(r, g, b, &h, &s, &v);
// simple highpass and lowpass filter
static float lastH=0;
float highPassValue=h-lastH;
lastH=h;
float lastHighPassValue=0;
float lowPassValue=(lastHighPassValue+highPassValue)/2;
lastHighPassValue=highPassValue;
//low pass value can now be used for basic heart beat detection
}
RGB преобразуется в HSV, и Hue отслеживается для колебаний.
И RGB для HSV реализуется следующим образом
void RGBtoHSV( float r, float g, float b, float *h, float *s, float *v ) {
float min, max, delta;
min = MIN( r, MIN(g, b ));
max = MAX( r, MAX(g, b ));
*v = max;
delta = max - min;
if( max != 0 )
*s = delta / max;
else {
// r = g = b = 0
*s = 0;
*h = -1;
return;
}
if( r == max )
*h = ( g - b ) / delta;
else if( g == max )
*h=2+(b-r)/delta;
else
*h=4+(r-g)/delta;
*h *= 60;
if( *h < 0 )
*h += 360;
}
Значение нижнего прохода, вычисленное в capureOutput:
, первоначально предоставляет неустойчивые данные, но затем стабилизируется до следующего значения:
2013-11-04 16:18:13.619 SampleHeartRateApp[1743:1803] -0.071218
2013-11-04 16:18:13.719 SampleHeartRateApp[1743:1803] -0.050072
2013-11-04 16:18:13.819 SampleHeartRateApp[1743:1803] -0.011375
2013-11-04 16:18:13.918 SampleHeartRateApp[1743:1803] 0.018456
2013-11-04 16:18:14.019 SampleHeartRateApp[1743:1803] 0.059024
2013-11-04 16:18:14.118 SampleHeartRateApp[1743:1803] 0.052198
2013-11-04 16:18:14.219 SampleHeartRateApp[1743:1803] 0.078189
2013-11-04 16:18:14.318 SampleHeartRateApp[1743:1803] 0.046035
2013-11-04 16:18:14.419 SampleHeartRateApp[1743:1803] -0.113153
2013-11-04 16:18:14.519 SampleHeartRateApp[1743:1803] -0.079792
2013-11-04 16:18:14.618 SampleHeartRateApp[1743:1803] -0.027654
2013-11-04 16:18:14.719 SampleHeartRateApp[1743:1803] -0.017288
Пример непредвиденных данных, представленных на начальном этапе:
2013-11-04 16:17:28.747 SampleHeartRateApp[1743:3707] 17.271435
2013-11-04 16:17:28.822 SampleHeartRateApp[1743:1803] -0.049067
2013-11-04 16:17:28.922 SampleHeartRateApp[1743:1803] -6.524201
2013-11-04 16:17:29.022 SampleHeartRateApp[1743:1803] -0.766260
2013-11-04 16:17:29.137 SampleHeartRateApp[1743:3707] 9.956407
2013-11-04 16:17:29.221 SampleHeartRateApp[1743:1803] 0.076244
2013-11-04 16:17:29.321 SampleHeartRateApp[1743:1803] -1.049292
2013-11-04 16:17:29.422 SampleHeartRateApp[1743:1803] 0.088634
2013-11-04 16:17:29.522 SampleHeartRateApp[1743:1803] -1.035559
2013-11-04 16:17:29.621 SampleHeartRateApp[1743:1803] 0.019196
2013-11-04 16:17:29.719 SampleHeartRateApp[1743:1803] -1.027754
2013-11-04 16:17:29.821 SampleHeartRateApp[1743:1803] 0.045803
2013-11-04 16:17:29.922 SampleHeartRateApp[1743:1803] -0.857693
2013-11-04 16:17:30.021 SampleHeartRateApp[1743:1803] 0.061945
2013-11-04 16:17:30.143 SampleHeartRateApp[1743:1803] -0.701269
Значение нижнего прохода становится положительным, когда есть сердечный ритм. Поэтому я пробовал очень простой алгоритм обнаружения в реальном времени, который в основном рассматривает текущее значение и видит, что он положительный, он также смотрит на предыдущее значение, если отрицательное значение отрицательно влияет на положительный и воспроизводит звуковой сигнал.
Проблема с этим заключается в том, что данные не всегда такие же совершенные, как выше, иногда есть аномальные положительные показания среди отрицательных чтений и наоборот.
График значения низкого прохода во времени выглядит следующим образом:
Интересно, что вышеупомянутая аномалия довольно распространена, если я запишу график на некоторое время, я увижу очень похожую фазовую аномалию несколько раз.
В моем очень простом алгоритме обнаружения биений, если появляется аномалия, как показано выше, подсчитанное количество ударов в период обнаружения (10 секунд) может стрелять на 4 или 5 ударов. Это делает расчетный BPM очень неточным. Но так просто, как будто он работает примерно в 70% случаев.
Чтобы справиться с этой проблемой, я попробовал следующее.
1. Запущена запись последних 3 значений нижних частот в массиве
2. Затем он посмотрел, имеет ли среднее значение два меньших значения, окружающие его до и после. (Обнаружение основного пика)
3.Установил этот сценарий как бит и добавил его к общему количеству битов в заданное время.
Этот метод, однако, так же уязвим для аномалий, как и любой другой. И на самом деле это был худший метод. (При воспроизведении живых звуковых сигналов после обнаружения они казались гораздо более неустойчивыми, чем положительный отрицательный алгоритм)
Мой вопрос: можете ли вы помочь мне придумать алгоритм, который может надежно обнаруживать, когда сердечный ритм происходит с разумной точностью.
Еще одна проблема, которую я понимаю, что мне нужно адресовать, - это определить, находится ли пользовательский палец на объективе.
Я думал об обнаружении ошибочных значений нижних частот, но проблема в том, что фильтр нижних частот учитывает неустойчивые значения и сглаживает их со временем. Поэтому помощь тоже будет оценена.
Спасибо за ваше время.