[发明专利]基于生理状态应激变异的检测方法及系统和应用

权利要求书

1.一种基于生理状态应激变异的检测方法，其特征在于，所述检测方法用于检测被测对象的外周组织特征，其包括如下步骤：

步骤一：按固定帧频连续采集被测对象的外周组织的视频图像，确定所述视频图像的感兴趣区域；

步骤二：计算每帧视频图像的感兴趣区域中所有像素的亮度空间平均值得到观测点，在整个视频时间段内形成观测时间序列；

步骤三：利用所述观测时间序列的延迟向量构建嵌入矩阵，对所述嵌入矩阵进行盲源分离，将所述观测时间序列分解为独立分量；

步骤四：从所述独立分量中提取外周组织特征；

步骤五：根据所述外周组织特征在基于生理状态应激变异的N维空间模型中投影的坐标位置判断类别属性是否异常，即，判断该外周组织特征是否达到生理状态应激变异的标准。

2.如权利要求1所述的基于生理状态应激变异的检测方法，其特征在于，所述基于生理状态应激变异的N维空间模型的构建步骤，包括：

步骤a1：采集被测对象的外周组织的视频图像；

步骤a2：计算每帧视频图像的感兴趣区域中所有像素的亮度空间平均值得到观测点，在整个视频时间段内形成观测时间序列；利用所述观测时间序列的延迟向量构建嵌入矩阵，对所述嵌入矩阵进行盲源分离，将所述观测时间序列分解为独立分量；从所述独立分量中提取外周组织特征；将所有被测对象的特征形成特征量集合；

步骤a3：将所述特征量集合在N维空间中聚类，得到异常类和正常类别之间的分类面，所述N≥1。

3.如权利要求1所述的基于生理状态应激变异的检测方法，其特征在于，所述生理状态应激变异的标准是指根据被测对象的外周组织特征的特征量集合在所述N维空间模型中聚类后，获得的异常类与正常类之间的分类面。

4.如权利要求1所述的基于生理状态应激变异的检测方法，其特征在于，所述外周组织特征包括照射到所述被测对象的外周组织后反射的电磁波、光波或微波信号的高阶统计量。

5.如权利要求1所述的基于生理状态应激变异的检测方法，其特征在于，步骤三对所述嵌入矩阵进行盲源分离，所述盲源分离法包括快速独立源分析法、自适应法、矩阵特征值分解法、最大信息量法。

6.如权利要求1所述的基于生理状态应激变异的检测方法，其特征在于，步骤四中，从所述独立分量中提取所述外周组织特征是采用高阶统计量对独立分量进行分析得出，包括如下步骤：

步骤b1：采用参数化双谱估计算法分析所述独立分量信号；

步骤b2：以非高斯白噪声激励的AR参数模型对所述独立分量信号进行建模获得模型；

步骤b3：利用带约束的三阶平均法对所述模型的参数进行估计得到外周组织特征。

7.如权利要求1所述的基于生理状态应激变异的检测方法，其特征在于，将所述外周组织特征在基于生理状态应激变异的N维空间模型中进行聚类的算法包括K均值聚类、支持向量机、模糊C均值聚类和迭代自组织聚类法。

8.一种基于生理状态发生应激变异的检测系统，其特征在于，所述检测系统包括：

采集单元(1)，其用于按固定帧频连续采集被测对象的外周组织的视频图像，确定所述视频图像的感兴趣区域；

计算单元(2)，其输入端与所述采集单元(1)的输出端连接，用于计算每帧视频图像的感兴趣区域中所有像素的亮度空间平均值得到观测点，形成观测时间序列；

矩阵构建单元(3)，其输入端与所述计算单元(2)的输出端连接，用于利用所述观测时间序列的延迟向量构建嵌入矩阵；

分离单元(4)，其输入端与所述矩阵构建单元(3)的输出端连接，用于对所述嵌入矩阵进行盲源分离，将所述观测时间序列分解为独立分量；

特征提取单元(5)，其输入端与所述分离单元(4)的输出端连接，用于从所述独立分量中提取外周组织特征；

判断单元(6)，其输入端与所述特征提取单元(5)的输出端连接，用于根据所述外周组织特征在N维空间模型中投影的坐标位置判断类别属性。