基于改进三维卷积网络的非接触式生理参数检测方法

摘要

远程光电容积描记法（rPPG）是从面部视频中测量心率等生理参数的方法，针对现有的心率测量方法难以同时兼顾高准确率和轻量化的问题，提出一种改进的三维卷积网络模型实现基于面部视频的非接触式生理参数检测。在预处理时，使用YuNet模型替代传统人脸检测器，从而快速且精确地识别人脸区域。此外，将注意力机制和残差模块嵌入到三维卷积网络中提取通道和空间的关键特征，并使用长短期记忆网络作为时期记忆模块捕捉数据中的长期依赖关系。实验结果表明，所提出Res-CHATM模型在公开数据集UBFC-rPPG和PURE进行心率评估交叉实验时分别取得MAE=2.19 BPM,RMSE=7.02 BPM,C=0.95以及MAE=1.65 BPM,RMSE=3.44 BPM,C=0.98的优异效果，进一步验证了模型预测值与真实值之间的一致性以及融合模块的有效性，展示了高效轻量化模型在rPPG技术中的潜力。

关键词

非接触式 / 心率检测 / 混合注意力机制 / 信号处理