基于事件相机的无接触心脏脉搏监测
计算机视觉与模式识别
2025-06-25 v2 新兴技术
机器学习
图像与视频处理
摘要
事件相机是一种以极低延迟和低功耗记录场景信息的新型技术。事件相机输出一串包含场景中像素级光强变化的事件，捕获的信息在动态范围和时间分辨率上优于传统相机。本研究探讨了如何利用监督性卷积神经网络（CNN）模型，从面部的事件记录中实现对个体心脏脉搏信号的无接触重建。该研究训练了一个端到端的模型，从事件流的二维表示中提取心脏信号，并基于计算的心率准确性来评估模型性能。实验结果表明，生理心脏信息在面部区域的事件流中得到有效保留，展示了该新型传感器进行远程心率监测的潜力。训练于事件帧的模型相对于在标准相机帧上训练的基线模型，心率均方根误差（RMSE）为3.32比特/分（bpm），而基线模型的RMSE为2.92比特/分。此外，训练于60和120 FPS事件帧生成的模型均优于30 FPS标准相机结果，分别实现了RMSE为2.54和2.13比特/分。
引用
@article{arxiv.2505.09529,
title = {Contactless Cardiac Pulse Monitoring Using Event Cameras},
author = {Mohamed Moustafa and Joseph Lemley and Peter Corcoran},
journal= {arXiv preprint arXiv:2505.09529},
year = {2025}
}