用于改进远程心率估计的深度自适应频谱变焦
计算机视觉与模式识别
2024-03-12 v1
摘要
近年来，受数据驱动方法推动的远程心率测量技术取得了显著进展，大大提高了准确性。然而，这些改进主要集中在恢复 rPPG 信号上，而忽略了从衍生信号估计心率 (HR) 的隐性挑战。虽然许多方法采用快速傅里叶变换 (FFT) 进行心率估计，但 FFT 的性能本质上受到有限频率分辨率的影响。相比之下，作为 FFT 广义形式的 Chirp-Z 变换 (CZT) 可以将频谱细化到心率感兴趣的窄带范围，提供更高的频率分辨率，从而实现更准确的估计。本文阐述了采用 CZT 进行远程心率估计的优势，并引入了一种新颖的数据驱动自适应 CZT 估计器。我们提出的模型旨在调整 CZT 以匹配特定数据集传感器的特性，从而在不牺牲跨不同数据集泛化能力的前提下，实现从 rPPG 信号更优化、更准确的心率估计。这是通过稀疏矩阵优化 (SMO) 实现的。我们在三个公开数据集 UCLA-rPPG、PURE 和 UBFC-rPPG 上进行了详尽的评估，采用了库内和跨库性能指标，验证了我们模型的有效性。结果显示了卓越的心率估计能力，确立了所提出的方法作为适用于任何 rPPG 方法的鲁棒且通用的估计器。
引用
@article{arxiv.2403.06902,
title = {Deep adaptative spectral zoom for improved remote heart rate estimation},
author = {Joaquim Comas and Adria Ruiz and Federico Sukno},
journal= {arXiv preprint arXiv:2403.06902},
year = {2024}
}