10.13873/J.1000-9787(2023)07-0043-05
基于3D多尺度卷积的非接触心率估计模型
为了在真实环境下实现更准确的非接触式心率(HR)估计,提出一种远程光电容积描记术(rP-PG)和HR信号恢复任务的端到端时空卷积神经网络(CNN)模型.模型使用 3D多尺度卷积注意力获取多尺度特征并融合上下文信息.其次引入自注意力卷积长短期记忆(SA-ConvLSTM)提取具有全局依赖和局部依赖的时间空间特征.最后,根据rPPG和HR信号的强关联性,使用多任务学习方法来提高模型性能.在公开的UBFC-rPPG和COHFACE数据集上进行实验测试,结果表明:提出的网络模型在非接触式HR提取中具有更好鲁棒性.
非接触心率提取、3D多尺度卷积注意力、自注意力卷积长短期记忆、多任务学习
42
TP391(计算技术、计算机技术)
河南省自然科学基金青年科学基金资助项目202300410301
2023-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
43-47