面向人脸视频的人脉冲率估计：自动分量选择与盲源分离方法比较
计算机视觉与模式识别
2020-10-12 v1
摘要
人类心跳可根据患者状况适当地通过若干不同方式测量，包括接触式（如用仪器测量）与非接触式（如计算机视觉辅助技术）。非接触式方法正变得流行，因为这些技术能够缓解接触式技术的一些局限，尤其在临床方面。然而，现有视觉引导方法由于各种理由（如相机属性、光照变化、人脸图像中的肤色等）未能给出高准确结果。我们提出一种以视频为输入、输出脉冲率的技术。最初，对两个面部子区域：前额与鼻嘴区进行关键点检测。去除不稳定特征后，应用时域滤波以隔离感兴趣频率。然后采用四种分量分析方法，以将心血管脉冲信号与由呼吸、前庭活动及面部表情其他变化引起的外来噪声区分开。之后，对所提出的峰值检测技术应用于从四种不同分量选择算法之一提取的每个分量。这将能定位各分量中峰值的位置。采用所提出的自动分量选择技术以选取用于计算心跳的最优分量。最后，我们比较了四种分量分析方法（PCA、FastICA、JADE、SHIBBS），处理十五名志愿者的面部视频数据集，并以 ECG/EKG 工作站作为真值验证。
引用
@article{arxiv.1810.11770,
title = {Towards Human Pulse Rate Estimation from Face Video: Automatic Component Selection and Comparison of Blind Source Separation Methods},
author = {Vladislav Ostankovich and Geesara Prathap and Ilya Afanasyev},
journal= {arXiv preprint arXiv:1810.11770},
year = {2020}
}