基于视频的心率估计方法向低照度与高心率场景的泛化
机器学习
2025-03-18 v1 图像与视频处理
摘要
心率是一种生理信号，可提供有关个体健康和情绪状态的信息。远程光电容积脉搏波描记法允许从人脸的视频记录中估计该信号。经典的 rPPG 方法利用信号处理技术，而近期的 rPPG 方法则利用深度学习网络。这些方法通常在照明良好且参与者处于静息心率的数据集上进行评估。然而，对于这些方法如何适应照度和心率的变化，目前的研究仍较少。在本研究中，我们系统地评估了具有代表性的远程心率估计最先进方法。具体而言，我们评估了四种经典方法和四种基于深度学习的 rPPG 估计方法在场景变化（包括低光照条件和高心率）下的泛化能力。为了对现有方法进行全面评估，我们收集了一个名为 CHILL 的新数据集，该数据集系统性地变化了心率和照明条件。该数据集包含 45 名参与者在四种不同场景下的记录。视频数据在两种不同照明条件（高和低）以及正常和高心率下收集。此外，我们选择了两个公开数据集对 rPPG 方法进行数据集内和跨数据集评估。我们的实验结果表明，经典方法并未受到低光照条件的显著影响。同时，发现一些深度学习方法对照明条件的变化更具鲁棒性，但在估计高心率时遇到了挑战。跨数据集评估显示，当训练集中不存在高心率和低光照条件等影响因素时，所选的深度学习方法表现不佳。
引用
@article{arxiv.2503.11697,
title = {Generalization of Video-Based Heart Rate Estimation Methods To Low Illumination and Elevated Heart Rates},
author = {Bhargav Acharya and William Saakyan and Barbara Hammer and Hanna Drimalla},
journal= {arXiv preprint arXiv:2503.11697},
year = {2025}
}
备注
10pages, 4 figures