論文の概要: MOMBAT: Heart Rate Monitoring from Face Video using Pulse Modeling and Bayesian Tracking

• arxiv url: http://arxiv.org/abs/2005.04618v1
• Date: Sun, 10 May 2020 09:41:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:56:44.234297
• Title: MOMBAT: Heart Rate Monitoring from Face Video using Pulse Modeling and Bayesian Tracking
• Title（参考訳）: mombat: パルスモデリングとベイズ追跡を用いた顔ビデオからの心拍モニタリング
• Authors: Puneet Gupta, Brojeshwar Bhowmick, Arpan Pal
• Abstract要約: 顔画像に基づく新しい人事監視手法MOMBATを提案する。 平面外の顔の動きを利用して、新しい品質推定機構を定義する。 ベイズ決定理論に基づくHR追跡機構を設計し、突発的なHR推定を補正する。
• 参考スコア（独自算出の注目度）: 10.43230025523549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A non-invasive yet inexpensive method for heart rate (HR) monitoring is of great importance in many real-world applications including healthcare, psychology understanding, affective computing and biometrics. Face videos are currently utilized for such HR monitoring, but unfortunately this can lead to errors due to the noise introduced by facial expressions, out-of-plane movements, camera parameters (like focus change) and environmental factors. We alleviate these issues by proposing a novel face video based HR monitoring method MOMBAT, that is, MOnitoring using Modeling and BAyesian Tracking. We utilize out-of-plane face movements to define a novel quality estimation mechanism. Subsequently, we introduce a Fourier basis based modeling to reconstruct the cardiovascular pulse signal at the locations containing the poor quality, that is, the locations affected by out-of-plane face movements. Furthermore, we design a Bayesian decision theory based HR tracking mechanism to rectify the spurious HR estimates. Experimental results reveal that our proposed method, MOMBAT outperforms state-of-the-art HR monitoring methods and performs HR monitoring with an average absolute error of 1.329 beats per minute and the Pearson correlation between estimated and actual heart rate is 0.9746. Moreover, it demonstrates that HR monitoring is significantly
• Abstract（参考訳）: 非侵襲的で安価な心拍数モニタリング法は、医療、心理学的理解、感情コンピューティング、バイオメトリックスなど多くの実世界の応用において非常に重要である。 現在、顔ビデオはこのようなHRモニタリングに利用されていますが、残念ながら、顔の表情、外面の動き、カメラパラメータ(フォーカス変更など)、環境要因によってもたらされるノイズによってエラーを引き起こします。 我々はこれらの問題を、新しい顔ビデオに基づく人事監視手法MOMBAT、すなわちモデリングを用いたMonitoringとBAyesian Trackingを提案することで緩和する。 平面外面運動を用いて,新しい品質推定機構を定義する。 次に, 面外運動の影響を受けやすい部位を含む部位における心血管パルス信号を再構成するためのフーリエベースモデルを提案する。 さらに,ベイズ決定理論に基づくHR追跡機構を設計し,突発的なHR推定を補正する。 実験の結果,提案手法であるmombatは最先端のhrモニタリング手法を上回り,平均絶対誤差1.329拍/分でhrモニタリングを行い,推定心拍数と実際の心拍数とのピアソン相関は0.9746であった。 さらに hrの監視は かなり重要で

関連論文リスト

• COIN: Control-Inpainting Diffusion Prior for Human and Camera Motion Estimation [98.05046790227561]
  COINは、人間の動きとカメラの動きを細粒度に制御できる、コントロール・インパインティング・モーション拡散である。 COINは、グローバルな人間の動き推定とカメラの動き推定という観点から、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-08-29T10:36:29Z)
• Chaos in Motion: Unveiling Robustness in Remote Heart Rate Measurement through Brain-Inspired Skin Tracking [7.688280190165613]
  既存の遠隔心拍測定法には3つの深刻な問題がある。 コンピュータビジョンタスクにカオス理論を初めて適用し、脳にインスパイアされたフレームワークとなる。 本手法はHR-RSTと呼ばれる心拍計測のためのロバスト皮膚追跡を実現する。
  論文  参考訳（メタデータ） (2024-04-11T12:26:10Z)
• EVM-CNN: Real-Time Contactless Heart Rate Estimation from Facial Video [9.664590078212441]
  空間的および時間的フィルタリングと畳み込みニューラルネットワークを組み合わせることで、リアルな条件下での心拍数(HR)をリモートで推定する新しい枠組みが導入された。 提案手法は, 平均人事推定と短時間人事推定の両方の観点から, MMSE-HRデータセットのベンチマークと比較すると, 優れた性能を示す。
  論文  参考訳（メタデータ） (2022-12-25T15:25:15Z)
• Visual Heart Rate Estimation from RGB Facial Video using Spectral Reflectance [0.23438564092609357]
  本稿では,ユーザのスペクトル反射率を用いた信頼性の高いHR推定フレームワークを提案する。 我々は、Viola Jonesアルゴリズムとは対照的に、Faster RCNNのようなディープラーニングベースのフレームワークを用いて顔検出を行う。
  論文  参考訳（メタデータ） (2022-08-09T04:34:04Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Real-time Webcam Heart-Rate and Variability Estimation with Clean Ground Truth for Evaluation [9.883261192383612]
  リモートフォトプレチモグラフィ(r)は、カメラを使って人の心拍数(hr)を推定する HRVは、心臓の鼓動の間の間隔における微細な変動の尺度です。 新しいフィルタリングとモーション抑制を備えた洗練された効率的なリアルタイムrパイプラインを紹介します。
  論文  参考訳（メタデータ） (2020-12-31T18:57:05Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)
• Optimised Convolutional Neural Networks for Heart Rate Estimation and Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
  低サンプリングレートで心拍数と人的活動認識を同時に行う。 これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。 深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
  論文  参考訳（メタデータ） (2020-03-30T11:44:58Z)
• Deep-HR: Fast Heart Rate Estimation from Face Video Under Realistic Conditions [62.68522031911656]
  本稿では、複雑なタスクからのHR推定を単純化し、非常に相関した表現からHRへ学習することで、Deep Neural Network(DNN)の利点を享受する、シンプルで効率的なアプローチを提案する。 より正確で高品質なビデオでは、FEの出力を改善するために、2つのディープエンコーダデコーダネットワークが訓練されている。 HR-DおよびMAHNOBデータセットによる実験結果から,本手法がリアルタイム手法として動作し,最先端の手法よりも平均HRを推定できることが確認された。
  論文  参考訳（メタデータ） (2020-02-12T07:00:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。