高强度运动视频中的心率估计
计算机视觉与模式识别
2022-08-05 v1
摘要
从视频估计心率可实现非接触式健康监测，在病患护理、人机交互和体育中有应用。现有工作可通过人脸跟踪在一定程度运动下稳健测量心率。然而，在非受限场景中这并非总可行，因为人脸可能被遮挡甚至不在相机内。在此，我们提出 IntensePhysio：一个具有真实人脸遮挡、剧烈受试者运动以及充足心率变化的极具挑战性的视频心率估计数据集。为确保真实设定下的心率变化，我们记录每位受试者约 1-2 小时。受试者在连接摄像机的自行车测功仪上进行（中到高强度）运动，且未获任何关于位姿或动作的指示。我们有 11 名受试者，约共 20 小时视频。我们表明现有远程光体积描记法在該设定下难以估计心率。此外，我们提出 IBIS-CNN，一种使用时空超像素的新基线，通过消除对可见人脸/人脸跟踪的需求改进了现有模型。我们将很快公开代码与数据。
引用
@article{arxiv.2208.02509,
title = {Heart rate estimation in intense exercise videos},
author = {Yeshwanth Napolean and Anwesh Marwade and Nergis Tomen and Puck Alkemade and Thijs Eijsvogels and Jan van Gemert},
journal= {arXiv preprint arXiv:2208.02509},
year = {2022}
}
备注
4 pages, 4 figures, accepted at ICIP 2022