基于人脸视频的逻辑多任务非接触心率估计

为提高远程光体积描记术(remote photoplethysmography,rPPG)在自然场景中心率(heart rate,HR)估计的精度,提出一种基于多头自注意力的多任务心率估计模型。设计一种特征表示方法将视频转换为时空表示,抑制非皮肤区域和背景引入的噪声;使用改进的多头自注意力模型学习长距离帧之间的依赖关系,解决rPPG对光照变化和头部运动鲁棒性不足的问题;将学习到的特征用于估计rPPG信号和HR两个任务,通过rPPG信号的频域约束HR,提高心率估计精度。实验结果表明,提出方法在UBFC-RPPG和PURE两个公开数据集上的心率估计准确度优于对比方法,验证了其有效性。