基于生成对抗学习的标准rPPG信号生成

TP183; 为了提高生成远程光电容积脉搏波描记法(remote Photoplethysmography,rPPG)信号的波形规律性,降低心率计算难度,提出了一种标准化rPPG的信号生成方法.将人脸视频输入到生成对抗网络的生成器中,生成器通过有标签数据进行监督训练,预测得到人脸视频中蕴含的rPPG信号.为了进一步优化生成器的预测结果,使用数学建模方法生成标准的rPPG信号,并将其与生成器预测的信号同时输入至判别器中进行对抗学习,不断优化生成器参数,使得生成器能够学习标准信号的波形分布.这样,生成器预测的信号波形在形态上更接近于真实rPPG信号的波形分布,从而有利于后续心率计算.在不同数据集上...

Full description

Saved in:
Bibliographic Details
Published in电讯技术 Vol. 64; no. 7; pp. 1088 - 1094
Main Authors 涂晓光, 胡哲昊, 胡俊强, 刘建华, 雷霞, 刘宇昂, 王宇, 冯子亮
Format Journal Article
LanguageChinese
Published 四川大学 计算机学院,成都 610065 2024
中国民用航空飞行学院 航空电子电气学院,四川 广汉 618307%中国民用航空飞行学院 航空电子电气学院,四川 广汉 618307%中国民用航空飞行学院新津分院,成都 611431%四川大学 计算机学院,成都 610065
Subjects
generative adversarial network
远程光电容积脉搏波描记法
非接触式心率测量
non-contact heart rate detection
生成式对抗网络
remote photoplethysmography
Online AccessGet full text
ISSN1001-893X
DOI10.20079/j.issn.1001-893x.230512001

Cover

More Information
Summary:TP183; 为了提高生成远程光电容积脉搏波描记法(remote Photoplethysmography,rPPG)信号的波形规律性,降低心率计算难度,提出了一种标准化rPPG的信号生成方法.将人脸视频输入到生成对抗网络的生成器中,生成器通过有标签数据进行监督训练,预测得到人脸视频中蕴含的rPPG信号.为了进一步优化生成器的预测结果,使用数学建模方法生成标准的rPPG信号,并将其与生成器预测的信号同时输入至判别器中进行对抗学习,不断优化生成器参数,使得生成器能够学习标准信号的波形分布.这样,生成器预测的信号波形在形态上更接近于真实rPPG信号的波形分布,从而有利于后续心率计算.在不同数据集上进行的实验结果表明,该方法可以显著提高预测的准确性,且拥有更高的信噪比.
ISSN:1001-893X
DOI:10.20079/j.issn.1001-893x.230512001