基于多层级卷积网络的非接触式PPG信号与心率估计
计算机视觉与模式识别
2023-04-24 v2
摘要
心跳节律和心率（HR）是人体重要的生理参数。本研究提出一种高效的多层级时空卷积网络，可从人脸视频片段中快速估计远程生理（rPPG）信号和心率。首先，利用低级人脸特征生成（LFFG）模块提取面部颜色分布特征。然后，使用三维（3D）时空堆叠卷积模块（STSC）和多层级特征融合模块（MHFF）增强多通道特征的时空相关性。在MHFF中，稀疏光流用于捕获帧间面部微小运动信息并生成自适应感兴趣区域（ROI）皮肤掩码。最后，信号预测模块（SP）用于提取估计的rPPG信号。心率估计结果表明，所提网络在三个数据集上优于最先进的方法：1) UBFC-RPPG，2) COHFACE，3) 我们的数据集，其平均绝对误差（MAE）分别为2.15、5.57、1.75次每分钟（bpm）。
引用
@article{arxiv.2104.02260,
title = {Non-contact PPG Signal and Heart Rate Estimation with Multi-hierarchical Convolutional Network},
author = {Bin Li and Panpan Zhang and Jinye Peng and Hong Fu},
journal= {arXiv preprint arXiv:2104.02260},
year = {2023}
}
备注
34 pages,8 figures