通过远程 PPG 技术从面部视频中提取心率、呼吸率等生命体征。应用信号处理滤波器提取血容量脉搏信号并根据不同算法估计各项生命体征。使用 Web 应用程序框架进行实现，验证了其准确性和鲁棒性。

Aug, 2022

通过距离心率相位（distancePPG）算法，结合人脸不同区域皮肤颜色变化的信号，以改善基于相机的估计的信噪比，从而实现非接触心率监测。

Feb, 2015

本研究分析了目前为止最大的真实世界远程光电容抗数据集，涵盖了 893 名受试者和 6 种菲茨帕特里克皮肤色调，实验结果表明，包含数百名受试者的数据集足以进行有效的远程光电容抗模型训练，并强调了皮肤色调的多样性和一致性对于不同数据集的精确性能评估的重要性。

Apr, 2024

本文介绍了一种远程面部信号分析的新方法，应用了神经网络和自监督训练进行无监督学习，利用对感兴趣信号的弱先验建模，并成功在四个数据集上进行测试，证明了该方法的可行性和效果。

Nov, 2021

该研究利用图像处理技术恶化视频质量，模拟挑战性条件，评估了非学习和基于学习的 rPPG 方法在恶劣数据上的表现。结果显示这些限制条件下的准确率显著下降，因此建议应用去噪和修填等恢复技术来改善心率估计结果并提高方法的鲁棒性和适应性。

Apr, 2023

通过系统调查和详细比较，我们证明了在具有挑战性的环境下提高远程视频脉搏波图 (rPPG) 测量的方法的有效性，从而为更可靠和有效的远程生命体征监测技术的发展做出了贡献。

May, 2024

远程光电容积法（rPPG）是一种利用通过摄像头捕捉的血红蛋白的光吸收特性来分析和测量血容量脉搏（BVP）的技术。通过分析测量得到的 BVP，可以推导出各种生理信号，如心率、应激水平和血压，从而实现心血管疾病的早期预测。然而，存在着与皮肤颜色、摄像头特性、环境光照和其他噪声源相关的严重挑战，这些问题降低了性能准确性。本研究目的在于提供一个基准测试框架，以公平评估和比较各种 rPPG 技术，包括传统的非深度神经网络（non-DNN）和深度神经网络（DNN）方法。

Jul, 2023

通过使用深度时空网络重建精确的远程光学心电图信号，我们提出了一种 rPPG 测量方法，能够从面部视频中测量心率和心率变异性，并在心房颤动检测和情感识别方面取得了有前途的成果。

May, 2019

本文提出了一种无监督的远程光学脉搏测量方法，利用 3D 卷积神经网络模型以及对比损失训练模型，可以在不需要参照信号的情况下提高精度，并可以更快地运行且更耐噪音。

Aug, 2022

本文介绍了一种新的、精确的、实时的远程光学心率监测方法，可以测量心率、提取脉搏波形并计算心率变异性，无需特定的训练，可在实际应用中得到良好的结果。

Sep, 2019