实习报告：深度学习驱动的成像PPG在汽车领域的基准测试
图像与视频处理
2024-11-05 v1 人工智能
计算机视觉与模式识别
摘要
成像光电容积脉搏波（iPPG）可用于驾驶期间的心率监测，有望通过持续评估驾驶员的身体状况来减少交通事故。使用近红外（NIR）相机的基于深度学习的iPPG方法近期作为一种有前景的方法受到关注。为了帮助理解在汽车领域应用iPPG的挑战，我们通过评估其在MR-NIRP Car数据集上的性能，对一种基于NIR的深度学习方法进行了基准测试。实验结果表明，在驾驶员头部保持静止时的平均绝对误差（MAE）为7.5 bpm，在有微小运动时则为16.6 bpm。这些结果表明，虽然该方法显示出前景，但仍需进一步改进才能使其在真实驾驶条件下可靠运行。
引用
@article{arxiv.2411.00919,
title = {Internship Report: Benchmark of Deep Learning-based Imaging PPG in Automotive Domain},
author = {Yuqi Tu and Shakith Fernando and Mark van Gastel},
journal= {arXiv preprint arXiv:2411.00919},
year = {2024}
}
备注
Internship Report