面向遥测动力学的自适应参数优化
计算机视觉与模式识别
2025-12-01 v1 人工智能
机器学习
摘要
遥测动力学 (rPPG) 使使用标准 RGB 摄像机进行无接触的生命体征监测成为可能。然而，现有方法依赖于针对特定光照条件和摄像设备设置优化的固定参数，限制了其在多样化部署环境中的适应性。本文引入了基于投影的稳健信号混合 (PRISM) 算法，这是一种无需训练的训练方法，通过基于信号质量评估的在线参数适应来联合优化光谱去趋势和颜色混合。PRISM 在无监督方法中实现了最先进的性能，在 PURE 数据集上达到 0.77 bpm 的 MAE，在 UBFC-rPPG 数据集上达到 0.66 bpm，分别在 5 bpm 阈值下达到 97.3% 和 97.5% 的准确率。统计分析表明，PRISM 在 p > 0.2 时与领先的监督方法等效，同时保持实时 CPU 性能无需训练。这一结果验证了自适应时间序列优化在多种条件下显著改善了 rPPG。
引用
@article{arxiv.2511.21903,
title = {Adaptive Parameter Optimization for Robust Remote Photoplethysmography},
author = {Cecilia G. Morales and Fanurs Chi En Teh and Kai Li and Pushpak Agrawal and Artur Dubrawski},
journal= {arXiv preprint arXiv:2511.21903},
year = {2025}
}
备注
Accepted in Times Series for Health NeurIPs Workshop 2025