用于设备上非接触式生命体征测量的多任务时移注意力网络
信号处理
2021-03-02 v2 计算机视觉与模式识别
图像与视频处理
摘要
在 SARS-CoV-2 大流行期间，远程医疗与健康监测已变得愈发重要，且人们广泛预期这将对医疗实践产生持久影响。这些工具有助于降低患者与医护人员感染暴露风险、使医疗服务更易获取，并让提供者能接诊更多患者。然而，在无直接接触患者的情况下客观测量生命体征颇具挑战。我们提出了一种基于视频的、设备端的光学心肺生命体征测量方法。它利用新颖的多任务时移卷积注意力网络（MTTS-CAN），可在移动平台上实现实时的心血管与呼吸测量。我们在高级精简指令集机器（ARM）CPU 上评估了我们的系统，在以超过每秒 150 帧运行的同时达到了最先进的精度，从而支持实时应用。在大型基准数据集上的系统性实验表明，我们的方法带来了误差的大幅（20%-50%）降低，且在不同数据集间泛化良好。
引用
@article{arxiv.2006.03790,
title = {Multi-Task Temporal Shift Attention Networks for On-Device Contactless Vitals Measurement},
author = {Xin Liu and Josh Fromm and Shwetak Patel and Daniel McDuff},
journal= {arXiv preprint arXiv:2006.03790},
year = {2021}
}
备注
preprint