MOMBAT：基于脉搏建模与贝叶斯跟踪的人脸视频心率监测
计算机视觉与模式识别
2020-05-12 v1
摘要
在非侵入且低成本的心率（HR）监测方法在包括医疗健康、心理理解、情感计算和生物识别在内的许多实际应用中至关重要。人脸视频目前被用于此类心率监测，但不幸的是，由于面部表情、平面外运动、相机参数（如焦距变化）和环境因素引入的噪声，这可能导致误差。我们通过提出一种新颖的基于人脸视频的心率监测方法 MOMBAT（即利用建模与贝叶斯跟踪的监测，MOnitoring using Modeling and BAyesian Tracking）来缓解这些问题。我们利用平面外面部运动定义了一种新颖的质量估计机制。随后，我们引入基于傅里叶基的建模，以在质量较差的位置（即受平面外面部运动影响的位置）重建心血管脉搏信号。此外，我们设计了一种基于贝叶斯决策理论的心率跟踪机制来纠正虚假的心率估计。实验结果表明，我们提出的方法 MOMBAT 优于最先进的（SOTA）心率监测方法，并以平均绝对误差 1.329 次/分钟进行心率监测，估计心率与实际心率的皮尔逊相关系数为 0.9746。此外，它表明心率监测显著
引用
@article{arxiv.2005.04618,
title = {MOMBAT: Heart Rate Monitoring from Face Video using Pulse Modeling and Bayesian Tracking},
author = {Puneet Gupta and Brojeshwar Bhowmick and Arpan Pal},
journal= {arXiv preprint arXiv:2005.04618},
year = {2020}
}