基于3D残差注意力网络的非接触式心率测量方法

摘要：

心率是衡量人体生理状况的重要指标之一,针对传统的信号处理方法容易受到光照变化和运动影响的问题,提出了一种基于3D残差注意力网络的非接触式心率测量方法,该方法对时空网络进行改进,在时空卷积块中嵌入3D卷积注意力模块(3D-CBAM),加强神经网络对视频的通道和空间特征提取,使得模型更加关注生理信号分布强烈的区域,并引入残差结构,在不改变网络深度的同时来提高网络性能.实验结果表明,所提出的方法能实现更加准确的测量,在PURE数据集上的平均绝对误差(MAE)为0.52 bpm,均方根误差(RMSE)为2.42 bpm;在UBFC-rPPG数据集上的MAE为1.17 bpm,RMSE为3.68 bpm,且恢复的远程光电容积脉搏波(remote photoplethysmograph,rPPG)信号与标准生理信号的峰值点位置基本接近.

关键词：非接触、心率测量、深度学习、注意力机制

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：53-59