rppg技术在驾驶员饮酒后心率检测的应用探索

于明洋，阎程霖，赵京瑞，王蔚琛，徐春龙

（东北大学，辽宁 沈阳 110167）

1 研究背景

酒后驾驶已成为交通事故的重要诱因，根据欧盟委员会提供的道路交通事故数据，欧洲25%的交通事故与酒后驾驶有关。如何对驾驶员是否饮酒的驾驶状况进行及时检测显得非常重要。目前常用的驾驶员酒精含量检测方法是通过对其呼出气体、唾液、尿液和血液中的酒精含量进行检测。大多数情况下，酒驾检测都是接触式检测，需要部署出动警力，检测效率和范围局限性大，且需要检测人员较好地配合，以避免出现作弊的情况，然而也不能做到预防性检测。

如果能实现非接触式酒驾检测，实现车内自动化检测，那么不仅会避免损耗材料，潜在细菌交叉感染等传统式酒驾检测问题，还可以节省警力资源，缓解交通压力。目前非接触酒驾检测研究，大部分还停留在车内酒精气体检测方面，虽然对气体中酒精含量的检测有较好的效果，但是这种方法容易受到环境因素影响，如：同车内副驾驶或乘客饮酒而造成车内存在酒精气体，使得检测失效，不能成为一种可行性酒驾检测方案。

基于此类问题，文章尝试研究使用驾驶员的生理指标作为酒驾的判断依据，如饮酒后心率生理指标的异常，来代替气体检测方案。然而目前检测心率较为成熟的方法是PPG技术，但PPG技术依然需要接触，不能适用于复杂的驾驶场景。笔者利用实验室进行的rppg技术方案，拓展其使用到车内驾驶员场景，通过检测心率生理指标，检测饮酒前后生理指标变化的场景进行实验测试，检验rppg技术是否适用于人在饮酒后心率的检测。

2 实验过程

2.1 实验人员、环境选择阶段

选择平均年龄在20岁左右的6名男生实验人员，在实验前先检验实验者是否有酒精过敏史，是否有其他病史如：胃病、肝病、心血管疾病等不方便饮酒的以及可能会影响实验的。为了减少其他环境对实验酒精含量的影响，实验前测量应确认实验人员是否空腹或饮水，这样能防止实验前体内预存在酒精含量对实验的影响。

2.2 准备实验相关的物品

酒精包括8度的啤酒以及50度的白酒， 通过标准RGB摄像头对实验人员的面部信息进行采集，采集的帧率为30fps，像素分辨率为640×480。通过Alcohol Tester对实验人员呼吸气体中的酒精浓度进行同步测量，作为不再属于酒驾状态的依据。心率的金标准值使用多功能生理监护仪中的指尖脉搏血样仪来采集参考HR信号装置进行检测。

2.3 实验过程

图1 rppg技术监测酒驾示意图

在试验进行前10 min，对试验人员未饮酒前的生理信号进行检测，并将其作为参考对象，目的是在饮酒前测一次，饮酒后测一次，形成baseline对比。之后试验者饮酒，其中少部分成员饮用8度的啤酒，其他试验者饮用50度的白酒并记录时间，饮酒结束后立即对他们进行生理信号的测量，并在之后每10 min进行一次测量，直到酒精传感器检测的呼吸酒精含量超过峰值并低于最低酒驾检测浓度。

2.4 心率数据的来源：

心率数据来源于两个方面，一个是使用多功能生理监护仪（NSC-M12P，Neusoft Inc， China）中的指尖脉搏血样仪采集到数据值即金标准数据，和通过RGB摄像头采集到的视频用rppg预估的数据值。

2.5 算法处理

（1）用标准的RGB摄像头录制面部视频，用最小特征值算法检测面部区域中的面部特征点。然后Kanade-Lucas-Tomasi（KLT）跟踪算法，可以获得前后两帧的面部特征点匹配，生成面部矩形区域，其中将皮肤区域视为面部ROI，将其他区域视为背景ROI。最后计算得出面部ROI和背景ROI在时间t中的所有像素的空间RGB平均值。

其中A（t）代表脸部ROI区域信号通道，或是背景ROI的信号通道。L（x，y，t）代表在Askin中时间t下（x，y）点的像素值。P代表Askin中的总像素值的和。

图2 图像采集

（2）为了求得源信号的最佳估计，消除光照等其他因素造成的干扰。采用联合盲源分离（JBSS），选择用独立向量分析的方法来实现联合盲源分离的框架。在本研究中，面部和背景的ROI信号被视为两个矩阵X。通过独立向量分析，可以获得目标SCV，假定为常见的照明干扰，为了消除干扰将目标SCV的各个分量设置为零，获得最终想要的新的面部ROI信号。

（3）新的面部ROI信号包含皮肤表面产生的镜面反射部分以及皮肤和下层组织重新吸收入射光的反射部分。为了提取携带脉搏率信息的漫反射分量，使用基于简化皮肤反射模型的投影方法用来获得更高质量的投影信号。

其中Anew（t）是在t时刻下新的皮肤像素值，1·（1+i（t））表示照明变化分量和镜面反射分量。s（t）代表镜面分量，p（t）代表漫反射分量，I0表示静止的光照分量。

（4）之前的一些研究指出，ROI中的绿色通道信号包含更多的脉搏率信息，还确定了在各种不同的照明条件下，绿色通道信号在rPPG信号中实现了最高的信噪比。对绿色通道信号和输出信号进行了线性相关性分析，然后选择了与绿色通道信号相关性最高的脉冲信号，并且用0.7 HZ和4 HZ的带通滤波器来滤除与心率无关的信息部分。最后，对滤波脉冲信号使用fft，以心率为频率，心率是功率最大的频率，然后可以获得心率的值。

3 实验结果以及误差分析

为了检验已有的rppg技术在驾驶员饮酒后检测心率的效果，三个评估指标被我们的实验采用，分别是皮尔森相关系数（r），平均绝对偏差（MAD），均方根误差（RMSE）。分别代表第i个测量时间内的心率的rppg预估值和真实值相关的参数标准计算如下：

结果发现在数据中某些试验者会出现异常较大的RMSE，这些可能是由于存在噪音和异常的数据造成的。

在使用该改进rppg算法时，在1 min内会计算得到31个心率值，得到的心率数据值分析如下：

通过去噪得到了一个很好的相关参数和误差值，结果如下：

通过表1可以看出，平均为皮尔森相关系数为0.91。

表1 rppg算法结果

图3（a）展示了通过rppg估计值和金标准值数据之间的关系散点图，红色的是拟合曲线，可以明显看出，两者之间的线性相关性，图3（b）是测量到的金标准与rppg测量值之间的Bland-Altman图。Bland-Altman图是两种数据一致性评价测量的方法，红线表示了两种数据差值的平均值（-0.18954），差值的95%置信区间为-6.3239～6.3239，介于此区间范围内数值说明了数据的一致性水平良好。从图中可以看出，大部分数据都在区间内，说明两种数据的一致性良好，该rppg技术可以很好地应用于饮酒后的心率检测。

图3 rppg估计值和金标准值数据散点图

4 结论

研究证实了rppg信号检测驾驶员酒驾场景的可行性，并通过实验验证了呼吸中酒精含量与心率变化之间的关系。rppg技术可以实现驾驶员非接触式心率信息的提取，通过酒精传感器辅助判断，发现可能潜在的因饮酒而导致的心率变化，同时也检测出了车内存在人员饮酒的场景。今后的研究将主要致力于使用多模态技术，将rppg检测出来的心率值与酒精传感器信息结合，预判断驾驶员酒驾的情况，该技术为日常驾驶场景的普遍应用提供了一种方案，预计可以有效地减少酒驾所引发的事故，提高安全性，为驾驶员和乘客的安全保驾护航。