Feb, 2020

Deep-HR: 快速估计真实条件下基于面部视频的心率

PDF
TL;DR本文提出了一种新颖的方法来进行远程心率估计，并通过前端和后端网络实现了实时、高效的心率测量，可应用于低质量视频的情境中。
remote heart rate estimationcomputer visiondeep learningdiscriminative representationreal-time
发现论文，激发创造
  • EVM-CNN：基于面部视频的实时非接触式心率估计

    研究表明，可以通过将空间分解和时间滤波与卷积神经网络相结合，从面部视频中遥测心率，且该方法在 HR 估计方面的表现明显优于标准测试集 MMSE-HR，并且与真实数据具有高一致性。

    Dec, 2022

  • 基于时空表征的面部心率端对端估计

    本文提出了一种基于 RhythmNet 的心率远程估测方法，并建立了一个大规模的多模态心率数据库（VIPL-HR），其包含 2,378 个可见光和 752 红外视频，该方法在公共数据库和 VIPL-HR 数据库上都表现出优异的表现。

    Oct, 2019

  • 利用光谱反射特性从 RGB 人脸视频中估计心率

    通过使用用户的光谱反射来实现更可靠的心率估计框架，采用基于深度学习的 Faster RCNNs 面部检测方法来解决运动和光照干扰等问题，在 MAHNOB HCI 数据集上得到了比之前方法更好的效果。

    Aug, 2022

  • 智能环境中的远程心率监测与自监督预训练

    利用自监督对比学习方法来估计远程光电容积描记法和心率监测，减少对标记数据的依赖并提高性能。

    Oct, 2023

  • 利用视频转换器进行瞬时生理估计

    本文提出了一种基于视频 Transformer 的方法，从面部视频中估计瞬时心率和呼吸率，并在大规模 Vision-for-Vitals 基准测试中取得优异表现，尤其在瞬时呼吸率估计方面超越了基于浅层和深度学习的方法。

    Feb, 2022

  • 远程光电测量中深度学习的架构技巧

    该论文研究了卷积网络在评估彩色信号补丁的心率值方面的架构改进，通过添加卷积过滤层和组合损失函数来提高静止和混合运动情景下心率估计模型的性能。

    Nov, 2019

  • VIPL-HR：一个用于从非约束性面部视频中脉冲估计的多模态数据库

    本研究介绍了一个大规模多模态心率数据库 VIPL-HR，并且使用提出的空间 - 时间表示学习深度心率估计器（RhythmNet），在公共域和 VIPL-HR 数据库上取得了有希望的结果。

    Oct, 2018

  • 利用面部视频估计心率和血压的相移远程光电测量

    通过深度学习建立的两阶段视觉远程光电测量网络 (DRP-Net) 和边界血压网络 (BBP-Net) 可估算心率和血压，其中 DRP-Net 用于估算心率，BBP-Net 通过分析不同部位的光电信号的相位差估算收缩压与舒张压。与最近的方法相比，本方法在心率估算上减小了 34.31% 的平均绝对误差 (MAE)。

    Jan, 2024

  • 基于心率估计的 DeepFakes 检测

    本文介绍了一种基于生理测量的新型 DeepFake 检测框架，利用远程光电测量心率（rPPG）方法来分析视频序列中与人类皮肤微小颜色变化相关的信息，以便更好地检测制造的 DeepFake 视频。我们提出的 DeepFakesON-Phys 假检测器使用卷积注意网络（CAN）从视频帧中提取空间和时间信息，分析并结合两个来源以更好地检测假视频。探究结果表明，该检测方法在 Celeb-DF 和 DFDC 数据库上达到了 98% 以上的 AUC（曲线下的面积），超过了现有技术的水平，并证明了基于生理测量的假检测器成功检测了最新的 DeepFake 视频。

    Oct, 2020

  • 运动中的混沌：透过模仿大脑的皮肤追踪揭示遥感心率测量的鲁棒性

    使用混沌理论设计了一种脑启发式的框架，通过分析视频的光流信号的时空特性实现遥测心率测量，从而解决了现有方法中的准确性、适用性和隐私泄露问题。

    Apr, 2024