Deep-HR：真实条件下基于人脸视频的快速心率估计
计算机视觉与模式识别
2020-02-13 v1
摘要
本文提出了一种用于远程心率（HR）估计的新方法。近期研究已证明心脏泵血与人脸像素的强颜色变化高度相关，且令人惊讶地可用于远程心率估计。研究者已成功提出若干用于该任务的方法，但使其在真实场景中工作仍是计算机视觉领域的一个挑战性问题。此外，在标注样本极为有限的数据集上学习解决如此复杂的任务并不合理。因此，研究者不愿采用深度学习方法处理该问题。本文中，我们提出一种简单而高效的途径，通过将心率估计从复杂任务简化为从与心率高度相关的表示中学习，从而利用深度神经网络（DNN）的优势。受先前工作启发，我们学习一个称为前端（FE）的组件以提供人脸视频的判别性表示，随后学习一个轻量深度回归自编码器作为后端（BE）将 FE 表示映射到心率。在信息丰富的表示上的回归任务较为简单，且可在有限训练样本上高效学习。除此之外，为提升精度并在低质量视频上良好工作，我们训练了两个深度编码器-解码器网络来精炼 FE 的输出。我们还引入了一个具有挑战性的数据集（HR-D）以表明我们的方法可在真实条件下高效工作。在 HR-D 与 MAHNOB 数据集上的实验结果证实，我们的方法可作为实时方法运行，且平均心率估计优于当前最优（SOTA）方法。
引用
@article{arxiv.2002.04821,
title = {Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic Conditions},
author = {Mohammad Sabokrou and Masoud Pourreza and Xiaobai Li and Mahmood Fathy and Guoying Zhao},
journal= {arXiv preprint arXiv:2002.04821},
year = {2020}
}