VIPL-HR：面向弱约束人脸视频脉搏估计的多模态数据库
计算机视觉与模式识别
2018-11-28 v2
摘要
心率(HR)是反映人体生理与情绪活动的重要生理信号。传统心率测量主要基于接触式监测仪，其不便且可能引起受试者不适。近年来，已有从人脸视频进行远程心率估计的方法被提出。然而，现有多数方法聚焦于受控良好的场景，其在弱约束场景下的泛化能力尚不清楚。同时，大规模数据库的缺乏限制了深度表征学习方法在远程心率估计中的应用。本文引入一个大规模多模态心率数据库(命名为 VIPL-HR)，包含 107 名受试者的 2,378 段可见光视频(VIS)与 752 段近红外(NIR)视频。我们的 VIPL-HR 数据库还包含头部运动、光照变化、采集设备改变等多种变异。我们还利用所提出的时空表征学习了深度心率估计器(命名为 RhythmNet)，在公开领域及我们的 VIPL-HR 心率估计数据库上均取得良好结果。我们拟将 VIPL-HR 数据库公开。
引用
@article{arxiv.1810.04927,
title = {VIPL-HR: A Multi-modal Database for Pulse Estimation from Less-constrained Face Video},
author = {Xuesong Niu and Hu Han and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:1810.04927},
year = {2018}
}