Nov, 2023

大序列信号回归的非接触近红外光谱传感

HTML
PDF
TL;DR使用近红外（Near Infra-Red，NIR）视频作为输入，采用替代的卷积关注网络（Convolution Attention Network，CAN）架构，以回归光电容积脉搏图（photoplethysmography，PPG）信号为目标，论证了这种方法的有效性。该方法在裁剪到受试者头部的视频上实现了仅0.99 bpm的均方差，证明了其对NIR视频的有效性和架构回归精确信号的可行性。
发现论文，激发创造
  • 使用时空网络从面部视频中远程测量光电容积脉搏信号

    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

  • 基于端到端深度学习和视频增强的高度压缩面部视频心率远程测量

    本文提出了一个两阶段的端到端RPPG信号恢复方法，该方法包括视频增强和RPPG信号恢复两个阶段。实验结果表明，该方法在压缩视频上表现出色，并且具有很好的泛化能力。

    Jul, 2019

  • 基于卷积神经网络的远程PPG分析：限制和敏感性研究

    本文探讨了基于卷积神经网络（CNN）的心率监测中，参考信号的选择以及卷积核的多样性等因素对性能的影响，结果说明CNN基于血吸收变化提取了生理信号，同时证明了PPG相关先验知识有助于提高其性能，因此，建议今后将先验知识纳入混合CNN方法中进行研究。

    Nov, 2019

  • 通过对比学习走近我的心：从未标记视频中进行远程光电容积图

    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

  • 视频中生理信号的非对比非监督学习

    应用无监督深度学习方法，可以从非标记视频中准确提取血容量脉动等生理周期信号，进而实现远程监控和多种生理测量，无需地面真实信号。

    Mar, 2023

  • PhySU-Net：自监督预训练的长时空上下文rPPG转换器

    利用远程光电容积法（rPPG）技术，通过面部视频无接触地测量心脏活动，采用长时空图rPPG变换网络PhySU-Net并自监督预训练策略，利用无标记数据提高模型性能。

    Feb, 2024

  • 通过显式和隐式先验知识的融合推动可泛化的远程生理测量

    本文提出了一种利用远程光电容积图术（rPPG）任务中的显性和隐性先验知识的新框架，通过系统分析不同领域的噪声源，并将这些先验知识纳入网络进行训练，同时利用两个分支网络通过隐式标签相关性去除噪声并提取生理特征分布，我们的实验证明，该方法不仅在RGB跨数据集评估上胜过现有方法，而且能够很好地从RGB数据集泛化到NIR数据集。

    Mar, 2024

  • SiNC+: 自适应基于相机的生命体征测量及周期信号无监督学习

    提出了一种新的非对抗无监督学习框架，用于从未标记的视频数据中直接提取血容量脉搏，以实现低成本的非接触健康监测，并展示了该框架在调整模型和个性化适应信号回归方面的效果。

    Apr, 2024

  • 迈向运动稳健性: 一种遮蔽关注正规化框架在远程光电测量中的应用

    提出了一种基于面部视频的遥感光频波测量的新方法，通过掩蔽关注机制和增强的rPPG专家聚合网络，解决了ROI定位和运动问题，并在现实世界的场景下表现出优势。

    Jul, 2024

  • 实习报告：基于深度学习的汽车领域成像光电容积描记法基准测试

    本研究解决了成像光电容积描记法在汽车应用中的挑战，提供了基于近红外相机的深度学习模型的基准测试。实验结果表明，尽管该方法在监测驾驶时的心率具有一定潜力，但在实际驾驶条件下仍需改进以提高可靠性。

    Nov, 2024