面向远程学习环境的基于摄像头的 HRV 预测
计算机视觉与模式识别
2024-11-05 v3
摘要
近年来，由于互联网视频的广泛使用，远程光电容积描记（rPPG）在情感计算领域获得了越来越多的关注。从人脸视频中恢复血容量脉搏（BVP）信号是一项具有挑战性的任务，涉及一系列预处理、图像算法与后处理以恢复波形。不仅心率指标被用于情感计算，心率变异性（HRV）指标更为重要。通过 rPPG 获取 HRV 指数的挑战在于算法必须精确预测 BVP 峰值位置。本文中，我们收集了远程学习情感与生理（RLAP）数据集，其包含来自 58 名受试者的超过 32 小时高度同步的视频与标签。这是一个公开数据集，其 BVP 标签经过精心设计以更适配 HRV 模型的训练。利用 RLAP 数据集，我们训练了一个名为 Seq-rPPG 的新模型，它是基于一维卷积的模型，实验结果表明该结构更适用于处理 HRV 任务，在 HRV 性能上优于所有其他基线，并在计算效率上展现出显著优势。
引用
@article{arxiv.2305.04161,
title = {Camera-Based HRV Prediction for Remote Learning Environments},
author = {Kegang Wang and Yantao Wei and Jiankai Tang and Yuntao Wang and Mingwen Tong and Jie Gao and Yujian Ma and Zhongjin Zhao},
journal= {arXiv preprint arXiv:2305.04161},
year = {2024}
}