StressNet：基于热成像视频的压力检测
计算机视觉与模式识别
2020-11-24 v2 图像与视频处理
信号处理
摘要
生理信号的精确测量对于有效监测人体生命体征至关重要。计算机视觉的最新进展表明，可从人体数字视频中提取脉搏率、呼吸率等信号，从而增加了非接触式监测的可能性。本文提出一种从热成像视频中获取生理信号并分类压力状态的新方法。所提出的网络——“StressNet”——采用一种混合发射表示模型，对皮肤及皮下血管对热量的直接发射与吸收进行建模。这产生了信息丰富的面部特征表示，并由时空网络用于重建 ISTI（初始收缩时间间隔：一种衡量心脏交感神经活动变化的指标，被视为人类压力的定量指数）。重建的 ISTI 信号被输入压力检测模型，以检测并分类个体的压力状态（即压力或无压力）。详细评估表明，StressNet 以 95% 的准确率估计 ISTI 信号，并以 0.842 的平均精度检测压力。源代码已在 Github 上提供。
引用
@article{arxiv.2011.09540,
title = {StressNet: Detecting Stress in Thermal Videos},
author = {Satish Kumar and A S M Iftekhar and Michael Goebel and Tom Bullock and Mary H. MacLean and Michael B. Miller and Tyler Santander and Barry Giesbrecht and Scott T. Grafton and B. S. Manjunath},
journal= {arXiv preprint arXiv:2011.09540},
year = {2020}
}
备注
11 pages, 10 figues, 2 tables, Conference WACV2021