使用深度展开和深度均衡模型从视频中恢复脉冲波

基于摄像机的生命体征监测，也称为成像脉搏光谱学（iPPG），已在司机监控、手术中的血流评估、情感计算等方面得到应用。iPPG涉及从皮肤视频中感知心脏脉搏，并估计生命体征，如心率或完整的脉搏波形。一些先前的iPPG方法对脉冲信号施加基于模型的稀疏先验，并使用迭代优化进行脉冲波恢复；另一些方法则使用端到端的黑箱深度学习方法。相比之下，我们引入的方法结合了信号处理和深度学习方法，构建在逆问题框架中。我们的 методs通过学习基于深度网络的去噪算子来估计底层脉冲信号和心率，这些算子利用深度算法展开和深度均衡模型。实验表明，我们的方法能够对面部获取的信号进行去噪并推断正确的脉搏率，在著名基准测试中实现了最先进的心率估计性能，而且仅需比最近最佳方法少于五分之一的可学习参数。