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

本文提出了一种基于低光照条件下的远程心率测量的技术性解决方案，并通过一个大规模的数据集，评估了在不同光照变化下 rPPG 算法（Green、ICA 和 POS）的性能，并发现在低光照条件下，人脸检测算法无法检测人脸，脉冲信号的振幅降低将导致噪声信号占主导地位，并且基于色度的方法在皮肤色调假设方面存在局限性，提出的解决方案可以有效地提高脉冲信号的信噪比和精度。

Mar, 2023

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

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

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

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

本文提出了两种对非接触式心率估计中长度和面部运动造成的误差进行修正的方法，并且使用一个双流双分辨率框架来训练模型以学习稳健的面部信号特征，实验证明了所提出方法的优越性。

Nov, 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