論文の概要: EVM-CNN: Real-Time Contactless Heart Rate Estimation from Facial Video
- arxiv url: http://arxiv.org/abs/2212.13843v1
- Date: Sun, 25 Dec 2022 15:25:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 16:03:07.735964
- Title: EVM-CNN: Real-Time Contactless Heart Rate Estimation from Facial Video
- Title（参考訳）: EVM-CNN: 顔画像からのリアルタイム非接触心拍推定
- Authors: Ying Qiu, Yang Liu, Juan Arteaga-Falconi, Haiwei Dong, and
Abdulmotaleb El Saddik
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.664590078212441
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the increase in health consciousness, noninvasive body monitoring has
aroused interest among researchers. As one of the most important pieces of
physiological information, researchers have remotely estimated the heart rate
(HR) from facial videos in recent years. Although progress has been made over
the past few years, there are still some limitations, like the processing time
increasing with accuracy and the lack of comprehensive and challenging datasets
for use and comparison. Recently, it was shown that HR information can be
extracted from facial videos by spatial decomposition and temporal filtering.
Inspired by this, a new framework is introduced in this paper to remotely
estimate the HR under realistic conditions by combining spatial and temporal
filtering and a convolutional neural network. Our proposed approach shows
better performance compared with the benchmark on the MMSE-HR dataset in terms
of both the average HR estimation and short-time HR estimation. High
consistency in short-time HR estimation is observed between our method and the
ground truth.
- Abstract（参考訳）: 健康意識の増加に伴い、非侵襲的な身体モニタリングが研究者の間で関心を集めている。
生理情報の最も重要な部分のひとつとして、研究者たちは近年、顔の動画から心拍数(HR)を推定しています。
過去数年間は進歩してきたが、正確性による処理時間の増加や、使用と比較のための包括的で挑戦的なデータセットの欠如など、いくつかの制限がある。
近年,空間分解と時間フィルタリングにより,顔映像からhr情報を抽出できることが示されている。
そこで本稿では,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,現実的条件下でのhrを遠隔で推定する新しい枠組みを提案する。
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。
短時間のHR推定における高整合性は,本手法と基礎的真理の間に観察される。
関連論文リスト
- Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。
時間間隔推定を組み込んだ拡散モデルである。
我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
論文 参考訳（メタデータ） (2024-06-20T02:20:23Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。
コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文 参考訳（メタデータ） (2024-04-05T20:39:16Z) - Cumulative Stay-time Representation for Electronic Health Records in
Medical Event Time Prediction [8.261597797345342]
累積滞留時間表現(CTR)と呼ばれる新しいEMHデータ表現を提案する。
CTRはそのような累積的な健康状態を直接モデル化する。
我々は、ターゲットデータに適合する柔軟性を持つニューラルネットワークに基づくトレーニング可能なCTRの構築を導出する。
論文 参考訳（メタデータ） (2022-04-28T12:34:41Z) - Generating Synthetic Mixed-type Longitudinal Electronic Health Records
for Artificial Intelligent Applications [9.374416143268892]
EHR-M-GAN (Generative Adversarial Network, GAN) は、EHRデータを合成する。
EHR-M-GANは,141,488名の患者を対象とし,3つの公用集中治療単位データベース上で検証した。
論文 参考訳（メタデータ） (2021-12-22T17:17:34Z) - 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) - MOMBAT: Heart Rate Monitoring from Face Video using Pulse Modeling and
Bayesian Tracking [10.43230025523549]
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。
論文 参考訳（メタデータ） (2020-05-10T09:41:16Z) - 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) - 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。