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
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
使用计算算法和相机进行非侵入性、低成本和可扩展的生理(例如心肺)重要指标的测量非常吸引人。该研究引入了 Synthetic 数据集 SCAMPS 为相机测量生理指标提供完美标签,并以真实数据集作为测试集以说明可推广性。
Jun, 2022
远程光 - 容积描记(rPPG),也称远程 Photoplethysmography,可以在公共卫生紧急情况下帮助估算心率,而 V4V 数据集可用于比较这些方法在自然条件下的表现。
Sep, 2021
本报告介绍了 VitalLens,一种能从自拍视频中实时估计心率和呼吸率等重要生理指标的应用程序。VitalLens 利用在多种不同类型的视频和生理传感器数据上训练的计算机视觉模型进行推断。我们在几个多样化的数据集上进行了性能基准测试,包括 VV-Medium 数据集,其中包含 289 个独特参与者。VitalLens 在所有数据集上均优于 POS 和 MTTS-CAN 等现有方法,并保持了快速推断速度。在 VV-Medium 上,VitalLens 对心率估计的绝对误差为 0.71 bpm,对呼吸率估计的绝对误差为 0.76 rpm。
Dec, 2023
本文提出了在合成生理信号和相应的面部视频中添加真实世界噪声的几种方法,并在三个公开的真实世界数据集上评估了我们的框架,结果显示我们能够将平均 MAE 从 6.9 降低到 2.0。
Nov, 2023
该研究提出了一种基于图像的非接触式生理测量工具箱,其中实现了许多最常用的计算方法,该工具箱能够消除接触式传感器的需求,从而实现空间和同时测量,并可促进非接触式生理感测方法的发展。
Jan, 2019
该研究提出了一种使用深度学习的移动端终端对生理征候进行端到端的估计的新方法,其对信号进行卷积计算,无需使用传统预处理方法,且具有更低的计算复杂度和过拟合的机会,提供了一个公共数据集,实验证明其具有最先进的估计精度。
Apr, 2022
本文提出了两种新颖高效的神经模型 EfficientPhys,不需要进行任何的预处理,只需使用原始视频帧进行输入,无需进行人脸检测、分段、规范化、颜色空间变换等操作即可实现对基于摄像头的生理测量的高效计算,取得了三个公共数据集上的良好表现
Oct, 2021
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