基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法及系統(tǒng)和應(yīng)用技術(shù)方案

本發(fā)明專(zhuān)利技術(shù)公開(kāi)了一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其包括如下步驟：連續(xù)采集被測(cè)對(duì)象的外周組織的視頻圖像，確定感興趣區(qū)域；計(jì)算每幀視頻圖像的感興趣區(qū)域中所有像素的亮度空間平均值得到觀測(cè)點(diǎn)，形成觀測(cè)時(shí)間序列；利用觀測(cè)時(shí)間序列的延遲向量構(gòu)建嵌入矩陣，對(duì)嵌入矩陣進(jìn)行盲源分離，將觀測(cè)時(shí)間序列分解為獨(dú)立分量；從獨(dú)立分量中提取外周組織特征；根據(jù)所述外周組織特征在基于生理狀態(tài)應(yīng)激變異的N維空間模型中投影的坐標(biāo)位置判斷類(lèi)別屬性是否異常，即，判斷該外周組織特征是否達(dá)到生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)。本發(fā)明專(zhuān)利技術(shù)還公開(kāi)了一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)系統(tǒng)及其應(yīng)用。

Method, system and application for detecting stress variation based on physiological state

The invention discloses a detection method based on the physiological state of stress variation, which comprises the following steps: continuous acquisition of video image of the measured object in peripheral tissue, to determine the region of interest; brightness space all pixel region of interest is calculated for each frame of video images in the mean value of the observation point, the formation of the observed time series; using the observed time series of delay vectors constructed by embedding matrix, the embedding matrix for blind source separation, the observed time series is decomposed into independent component extraction; independent component features from peripheral tissues; according to the characteristics of peripheral tissues in N dimensional space coordinate projection model of stress variation in physiological state judgment based on category the attribute is abnormal, i.e., to determine whether the peripheral tissue features to achieve physiological state of stress variation of the standard. The invention also discloses a detection system based on physiological state stress variation and an application thereof.

【技術(shù)實(shí)現(xiàn)步驟摘要】
基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法及系統(tǒng)和應(yīng)用
本專(zhuān)利技術(shù)涉及生物化學(xué)檢測(cè)
，具體涉及一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法、檢測(cè)系統(tǒng)及其應(yīng)用。
技術(shù)介紹
國(guó)內(nèi)外大量的研究表明，吸食苯丙胺類(lèi)藥物會(huì)使大腦分泌大量的多巴胺(Dopamine，屬于單胺類(lèi)物質(zhì)中的兒茶酚胺類(lèi)，為神經(jīng)傳導(dǎo)物質(zhì)的一種，使人產(chǎn)生愉悅和興奮的感覺(jué))，同時(shí)阻擋多巴胺轉(zhuǎn)運(yùn)體將釋放的多巴胺傳送回傳導(dǎo)神經(jīng)元，進(jìn)而導(dǎo)致人體中的多巴胺水平急劇增加。已有的動(dòng)物實(shí)驗(yàn)結(jié)果表明，性行為可以使多巴胺水平從100單元增加至200單元，可卡因(cocaine)可以使其升至350單元，而甲基苯丙胺(冰毒)將使多巴胺的基線(xiàn)水品飆升至1250單元，可見(jiàn)，甲基苯丙胺所導(dǎo)致的多巴胺釋放水平與食物、性或是其他愉悅行為相比足足高出12倍。多巴胺受體與NMDA受體(N-methyl-D-aspartate)在物理上直接相連，除了分布在大腦中，還廣泛分布在人體的外周組織中(包括心臟、腎臟、胃腸、肺、生殖器、肌肉、皮膚和神經(jīng)中樞等)。目前，現(xiàn)有的吸毒檢測(cè)技術(shù)手段包括：血檢、尿檢、頭發(fā)檢測(cè)和唾液檢測(cè)，這些技術(shù)手段普遍是通過(guò)檢測(cè)體液或頭發(fā)中的毒品化學(xué)物質(zhì)的含量來(lái)判定嫌疑人是否吸毒。這些技術(shù)手段的局限性在于：1)生物樣本采集困難，在不配合的情況下很難操作，例如：蓄意憋尿24小時(shí)，不配合尿檢，會(huì)嚴(yán)重拖延辦案時(shí)間并浪費(fèi)警力資源；2)涉及隱私問(wèn)題，不具備現(xiàn)場(chǎng)可操作性，例如：路邊“毒駕”篩查或公共場(chǎng)合等無(wú)法實(shí)施尿檢，并且女性被測(cè)對(duì)象必須由女民警進(jìn)行操作；3)必須由專(zhuān)業(yè)人員操作，檢測(cè)時(shí)間長(zhǎng)，例如：血檢和發(fā)檢必須到指定檢驗(yàn)機(jī)構(gòu)進(jìn)行；4)吸毒人群多數(shù)患有各種傳染疾病(如肝病、艾滋病、梅毒等)，血檢、尿檢、唾液檢這些采集體液的方式，都極易造成病毒的傳染，嚴(yán)重威脅執(zhí)勤警察的健康安全。5)只能實(shí)現(xiàn)小范圍內(nèi)的抽查，進(jìn)行大規(guī)模篩查的可操作性不強(qiáng)，很難發(fā)現(xiàn)吸毒隱形群體。
技術(shù)實(shí)現(xiàn)思路
為了解決現(xiàn)有技術(shù)存在的難以快速、大規(guī)模、非接觸式檢測(cè)吸毒狀況等問(wèn)題，本專(zhuān)利技術(shù)提出了一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法及檢測(cè)系統(tǒng)。本專(zhuān)利技術(shù)檢測(cè)方法及系統(tǒng)可用于不接觸被測(cè)對(duì)象的非接觸式檢測(cè)，也可接觸被測(cè)對(duì)象進(jìn)行檢測(cè)。本專(zhuān)利技術(shù)提出了一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，所述檢測(cè)方法用于檢測(cè)被測(cè)對(duì)象的外周組織特征，其包括如下步驟：步驟一：按固定幀頻連續(xù)采集被測(cè)對(duì)象的外周組織的視頻圖像，確定所述視頻圖像的感興趣區(qū)域；步驟二：計(jì)算每幀視頻圖像的感興趣區(qū)域中所有像素的空間平均值得到觀測(cè)點(diǎn)，在整個(gè)視頻時(shí)間段內(nèi)形成觀測(cè)時(shí)間序列；步驟三：利用所述觀測(cè)時(shí)間序列的延遲向量構(gòu)建嵌入矩陣，對(duì)所述嵌入矩陣進(jìn)行盲源分離，將所述觀測(cè)時(shí)間序列分解為獨(dú)立分量；步驟四：從所述獨(dú)立分量中提取外周組織特征；步驟五：根據(jù)所述外周組織特征在基于生理狀態(tài)應(yīng)激變異的N維空間模型中投影的坐標(biāo)位置判斷類(lèi)別屬性是否異常，即，判斷該外周組織特征是否達(dá)到生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)。當(dāng)所述外周組織特征達(dá)到生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)，則所述類(lèi)別屬性為異常。當(dāng)所述外周組織特征未達(dá)到生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)，則所述類(lèi)別屬性為正常。本專(zhuān)利技術(shù)中，所述生理狀態(tài)應(yīng)激變異是指，當(dāng)生物體受外源物質(zhì)的影響，吸食或注射影響其神經(jīng)系統(tǒng)的物質(zhì)(例如毒品)之后，其體內(nèi)的多巴胺、內(nèi)啡肽、腎上腺素等物質(zhì)的正常的分泌及代謝受到改變，這些物質(zhì)和受體間的相互作用受到破壞，導(dǎo)致使該生物體的器官和外周組織(包括皮膚等)在較短時(shí)間內(nèi)(例如24小時(shí))發(fā)生變化。外源物質(zhì)包括毒品等影響或作用于神經(jīng)系統(tǒng)的其他化學(xué)物質(zhì)或藥物等。本專(zhuān)利技術(shù)中，所述生物體包括人或其他哺乳動(dòng)物或其他動(dòng)物。所述被測(cè)對(duì)象包括人或其他動(dòng)物或生物，包括吸食毒品或未吸食毒品的人。本專(zhuān)利技術(shù)中，所述毒品包括：冰毒(化學(xué)成分：甲基苯丙胺，化學(xué)式：C10H15N)、搖頭丸等(化學(xué)成分：甲基苯丙胺衍生物)、可卡因(化學(xué)成分：苯甲基芽子堿，化學(xué)式：C17H21NO4)、大麻(化學(xué)成分：四氫大麻酚，化學(xué)式：C21H30O2)、海洛因(化學(xué)成分：?jiǎn)岱壬飰A，化學(xué)式：C21H23NO5)、K粉(化學(xué)成分：氯胺酮，化學(xué)式：C13H16ClNO)、等導(dǎo)致吸食者興奮或成癮的各種化學(xué)物品。本專(zhuān)利技術(shù)中，所述外周組織是指能被電磁波、光波、微波等信號(hào)穿透表層皮膚后所照射到的生物體組織，包括皮膚、皮下組織、血管、血液、肌肉等組織。本專(zhuān)利技術(shù)中，所述外周組織特征包括照射到所述被測(cè)對(duì)象的外周組織后反射的電磁波、光波或微波信號(hào)的高階統(tǒng)計(jì)量。所述外周組織特征包括照射到所述被測(cè)對(duì)象的外周組織后反射的電磁波、光波、微波等信號(hào)的細(xì)微特征，所述細(xì)微特征是指從反射的電磁波信號(hào)中提取出獨(dú)立分量，對(duì)獨(dú)立分量采用高階統(tǒng)計(jì)量分析所得出的參數(shù)估計(jì)。本專(zhuān)利技術(shù)中，所述基于生理狀態(tài)應(yīng)激變異的N維空間模型是指大量被測(cè)對(duì)象的外周組織特征的特征量集合在所述N維空間模型中聚類(lèi)后，獲得的異常類(lèi)與正常類(lèi)之間的分類(lèi)面。本專(zhuān)利技術(shù)中，所述基于生理狀態(tài)應(yīng)激變異的N維空間模型的構(gòu)建，是通過(guò)將多個(gè)被測(cè)對(duì)象外周組織特征形成特征量集合，對(duì)所述特征量集合在N維空間中進(jìn)行聚類(lèi)，聚類(lèi)算法包括K均值聚類(lèi)、支持向量機(jī)、模糊C均值聚類(lèi)和迭代自組織聚類(lèi)法，在N維空間上獲得分類(lèi)面；所述構(gòu)建包括如下步驟：步驟a1：采集被測(cè)對(duì)象的外周組織的視頻圖像；步驟a2：計(jì)算每幀視頻圖像的感興趣區(qū)域中所有像素的亮度空間平均值得到觀測(cè)點(diǎn)，在整個(gè)視頻時(shí)間段內(nèi)形成觀測(cè)時(shí)間序列；利用所述觀測(cè)時(shí)間序列的延遲向量構(gòu)建嵌入矩陣，對(duì)所述嵌入矩陣進(jìn)行盲源分離，將所述觀測(cè)時(shí)間序列分解為獨(dú)立分量；從所述獨(dú)立分量中提取外周組織特征；將所有被測(cè)對(duì)象的特征形成特征量集合；步驟a3：將所述特征量集合在N維空間中聚類(lèi)，得到異常類(lèi)和正常類(lèi)別之間的分類(lèi)面，所述N≥1。本專(zhuān)利技術(shù)中，所述生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)用于判斷所述類(lèi)別屬性是否異常。所述生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)是指，根據(jù)被測(cè)對(duì)象的外周組織特征的特征量集合在所述N維空間模型中聚類(lèi)后獲得的異常類(lèi)與正常類(lèi)之間的分類(lèi)面。本專(zhuān)利技術(shù)中，正常類(lèi)是指，在被測(cè)對(duì)象未受到外來(lái)源物質(zhì)的刺激影響、其外周組織未發(fā)生應(yīng)激變異的情況下，其外周組織特征在N維空間模型中聚類(lèi)結(jié)果的分布位置。異常類(lèi)是指，在被測(cè)對(duì)象受到外來(lái)源物質(zhì)的刺激影響、其外周組織發(fā)生應(yīng)激變異的情況下，其外周組織特征在N維空間模型中聚類(lèi)結(jié)果的分布位置。分類(lèi)面是指將N維空間劃分為正常類(lèi)子空間和異常類(lèi)子空間的超平面。本專(zhuān)利技術(shù)中，步驟二中，觀測(cè)時(shí)間序列是指，計(jì)算視頻圖像中一幀圖像中感興趣區(qū)域的空間亮度平均值形成一個(gè)觀測(cè)點(diǎn)，一段時(shí)間長(zhǎng)度的視頻中所有的視頻圖像的觀測(cè)點(diǎn)在時(shí)間軸上形成了觀測(cè)時(shí)間序列。本專(zhuān)利技術(shù)方法中，步驟三對(duì)所述嵌入矩陣進(jìn)行盲源分離，所述盲源分離法包括快速獨(dú)立源分析法、自適應(yīng)法、矩陣特征值分解法、最大信息量法。本專(zhuān)利技術(shù)方法中，步驟四從所述獨(dú)立分量中提取所述外周組織特征是采用高階統(tǒng)計(jì)量對(duì)獨(dú)立分量進(jìn)行分析得出，包括如下步驟：步驟b1：采用參數(shù)化雙譜估計(jì)算法分析所述獨(dú)立分量信號(hào)；步驟b2：以非高斯白噪聲激勵(lì)的AR參數(shù)模型對(duì)所述獨(dú)立分量信號(hào)進(jìn)行建模獲得模型；步驟b3：利用帶約束的三階平均法對(duì)所述模型的參數(shù)進(jìn)行估計(jì)得到外周組織特征。本專(zhuān)利技術(shù)檢測(cè)方法中，將所述外周組織特征在基于生理狀態(tài)應(yīng)激變異的N維空間模型中進(jìn)行聚類(lèi)的算法包括K均值聚類(lèi)、支持向量機(jī)、模糊C均值聚類(lèi)和迭代自組織聚類(lèi)法。本專(zhuān)利技術(shù)還提出了一種基于生理狀本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，所述檢測(cè)方法用于檢測(cè)被測(cè)對(duì)象的外周組織特征，其包括如下步驟：步驟一：按固定幀頻連續(xù)采集被測(cè)對(duì)象的外周組織的視頻圖像，確定所述視頻圖像的感興趣區(qū)域；步驟二：計(jì)算每幀視頻圖像的感興趣區(qū)域中所有像素的亮度空間平均值得到觀測(cè)點(diǎn)，在整個(gè)視頻時(shí)間段內(nèi)形成觀測(cè)時(shí)間序列；步驟三：利用所述觀測(cè)時(shí)間序列的延遲向量構(gòu)建嵌入矩陣，對(duì)所述嵌入矩陣進(jìn)行盲源分離，將所述觀測(cè)時(shí)間序列分解為獨(dú)立分量；步驟四：從所述獨(dú)立分量中提取外周組織特征；步驟五：根據(jù)所述外周組織特征在基于生理狀態(tài)應(yīng)激變異的N維空間模型中投影的坐標(biāo)位置判斷類(lèi)別屬性是否異常，即，判斷該外周組織特征是否達(dá)到生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)。

【技術(shù)特征摘要】
1.一種基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，所述檢測(cè)方法用于檢測(cè)被測(cè)對(duì)象的外周組織特征，其包括如下步驟：步驟一：按固定幀頻連續(xù)采集被測(cè)對(duì)象的外周組織的視頻圖像，確定所述視頻圖像的感興趣區(qū)域；步驟二：計(jì)算每幀視頻圖像的感興趣區(qū)域中所有像素的亮度空間平均值得到觀測(cè)點(diǎn)，在整個(gè)視頻時(shí)間段內(nèi)形成觀測(cè)時(shí)間序列；步驟三：利用所述觀測(cè)時(shí)間序列的延遲向量構(gòu)建嵌入矩陣，對(duì)所述嵌入矩陣進(jìn)行盲源分離，將所述觀測(cè)時(shí)間序列分解為獨(dú)立分量；步驟四：從所述獨(dú)立分量中提取外周組織特征；步驟五：根據(jù)所述外周組織特征在基于生理狀態(tài)應(yīng)激變異的N維空間模型中投影的坐標(biāo)位置判斷類(lèi)別屬性是否異常，即，判斷該外周組織特征是否達(dá)到生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)。2.如權(quán)利要求1所述的基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，所述基于生理狀態(tài)應(yīng)激變異的N維空間模型的構(gòu)建步驟，包括：步驟a1：采集被測(cè)對(duì)象的外周組織的視頻圖像；步驟a2：計(jì)算每幀視頻圖像的感興趣區(qū)域中所有像素的亮度空間平均值得到觀測(cè)點(diǎn)，在整個(gè)視頻時(shí)間段內(nèi)形成觀測(cè)時(shí)間序列；利用所述觀測(cè)時(shí)間序列的延遲向量構(gòu)建嵌入矩陣，對(duì)所述嵌入矩陣進(jìn)行盲源分離，將所述觀測(cè)時(shí)間序列分解為獨(dú)立分量；從所述獨(dú)立分量中提取外周組織特征；將所有被測(cè)對(duì)象的特征形成特征量集合；步驟a3：將所述特征量集合在N維空間中聚類(lèi)，得到異常類(lèi)和正常類(lèi)別之間的分類(lèi)面，所述N≥1。3.如權(quán)利要求1所述的基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，所述生理狀態(tài)應(yīng)激變異的標(biāo)準(zhǔn)是指根據(jù)被測(cè)對(duì)象的外周組織特征的特征量集合在所述N維空間模型中聚類(lèi)后，獲得的異常類(lèi)與正常類(lèi)之間的分類(lèi)面。4.如權(quán)利要求1所述的基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，所述外周組織特征包括照射到所述被測(cè)對(duì)象的外周組織后反射的電磁波、光波或微波信號(hào)的高階統(tǒng)計(jì)量。5.如權(quán)利要求1所述的基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，步驟三對(duì)所述嵌入矩陣進(jìn)行盲源分離，所述盲源分離法包括快速獨(dú)立源分析法、自適應(yīng)法、矩陣特征值分解法、最大信息量法。6.如權(quán)利要求1所述的基于生理狀態(tài)應(yīng)激變異的檢測(cè)方法，其特征在于，步驟四中，從所述獨(dú)立分量中提取所述外周組織...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：李孟，錢(qián)卓，趙芳，糜忠良，蔡偉思，
申請(qǐng)(專(zhuān)利權(quán))人：西雙版納生物醫(yī)學(xué)研究院，上海市刑事科學(xué)技術(shù)研究院，西雙版納大渡云海生物科技發(fā)展有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：云南,53