基于监督学习利用人脸视频进行鲁棒健康监测的方法
计算机视觉与模式识别
2021-02-02 v1 人机交互
摘要
对心血管活动的监测需求很高，并能实现诊断潜在心血管疾病和维持个人健康的新应用。目前，此类生命体征使用侵入式接触设备测量，如心电图（ECG）、胸带和脉搏血氧仪，需要患者或健康提供者手动实施。非接触、无设备的人体感知方法可以消除对专用心脏和血压监测设备的需求。非接触方法还具有额外优势，因为它们可扩展到任何可捕获视频的环境，可用于连续测量，并可用于从身体障碍者到婴儿（如婴儿摄像机）等具有不同灵活性与独立性的患者。在本文中，我们使用了一种仅需使用商用网络摄像头记录的人脸视频的非接触方法。这些视频被用于预测脉搏率和脉搏率方差等健康属性。所提方法使用面部识别通过面部标志在视频每帧中检测人脸，随后使用深度神经网络进行监督学习以训练机器学习模型。所捕获的视频中受试者进行不同体力活动，导致不同的心血管反应。所提方法不需要来自每个个体的训练数据，因此可对无先验数据的新个体获得预测；这对方法泛化至关重要。该方法还在不同族裔人群的数据集上进行了评估。所提方法在预测脉搏率上的误差小于4.6%。
引用
@article{arxiv.2102.00322,
title = {A Supervised Learning Approach for Robust Health Monitoring using Face Videos},
author = {Mayank Gupta and Lingjun Chen and Denny Yu and Vaneet Aggarwal},
journal= {arXiv preprint arXiv:2102.00322},
year = {2021}
}
备注
The main part of the paper appeared in DFHS'20: Proceedings of the 2nd ACM Workshop on Device-Free Human Sensing; while the Supplementary did not appear in the proceedings