《电子技术应用》
您所在的位置：首页 > 模拟设计 > 设计应用 > 基于人脸检测跟踪和输入噪声过滤的rPPG信号实时提取方法
基于人脸检测跟踪和输入噪声过滤的rPPG信号实时提取方法
电子技术应用
郝壮远1，田琨1，吴顺成1，谭昆1，李健2，高大帅2
1.中国石油集团安全环保技术研究院有限公司；2.北京捷通华声科技股份有限公司
摘要： 远程光体积描记是非接触式生理信号检测领域的重要研究方向。现有算法主要从人脸部分区域提取脉搏信号，存在信号获取不全面及噪声过大的问题。提出了一种基于人脸检测、跟踪、分割和输入噪声过滤的实时rPPG信号提取方法，旨在提高心率检测的准确性和鲁棒性。首先，通过小型深度神经网络实现视频帧中的人脸检测和跟踪，准确定位人脸区域。其次，通过人脸分割算法提取皮肤信息。最后，采用输入噪声过滤策略，去除与心率无关的频率成分和信噪比较低的信号，从而优化rPPG信号。实验在自建数据集上进行，结果表明，该方法在信噪比、平均绝对误差和均方根误差等指标上均表现出色。综上所述，所提出的方法在rPPG信号实时提取中表现出优异的精度和稳定性，为非接触式生理信号检测提供了一种新的解决方案。
中图分类号：TP391 文献标志码：A DOI: 10.16157/j.issn.0258-7998.245899
中文引用格式： 郝壮远，田琨，吴顺成，等. 基于人脸检测跟踪和输入噪声过滤的rPPG信号实时提取方法[J]. 电子技术应用，2025，51(7)：83-88.
英文引用格式： Hao Zhuangyuan，Tian Kun，Wu Shuncheng，et al. A real-time rPPG signal extraction method based on face detection and tracking and input noise filtering[J]. Application of Electronic Technique，2025，51(7)：83-88.
A real-time rPPG signal extraction method based on face detection and tracking and input noise filtering
Hao Zhuangyuan1，Tian Kun1，Wu Shuncheng1，Tan Kun1，Li Jian2，Gao Dashuai2
1.CNPC Research Institute of Safety & Environment Technology；2.Beijing Sinovoice Technology Co.，Ltd.
Abstract： Remote photoplethysmography (rPPG) is an important research direction in the field of non-contact physiological signal detection. Existing algorithms primarily extract pulse signals from specific facial regions, which results in incomplete signal acquisition and excessive noise. This paper proposes a real-time rPPG signal extraction method based on face detection, tracking, segmentation, and input noise filtering, aiming to improve the accuracy and robustness of heart rate detection. First, a small deep neural network is used to detect and track faces in video frames, accurately locating the facial region. Next, a face segmentation algorithm is employed to extract skin information. Finally, an input noise filtering strategy is adopted to remove frequency components unrelated to heart rate and signals with low signal-to-noise ratio, thereby optimizing the rPPG signal. Experiments conducted on a self-built dataset show that the proposed method performs excellently in terms of signal-to-noise ratio, mean absolute error, and root mean square error. In summary, the method proposed in this study demonstrates outstanding accuracy and stability in real-time rPPG signal extraction, providing a new solution for non-contact physiological signal detection.
Key words : rPPG；face detection；face segmentation；input noise filtering

引言

心率（Heart Rate,HR）是人体健康的重要生理参数之一，随着人们对身心健康监测需求的不断增长，非接触式心率测量技术受到了广泛关注[1-2]。传统的接触式心率测量方法，如心电图(Electrocardiogram,ECG)和光电容积脉搏波描记法(Photoplethysmography,PPG)虽然准确可靠，但需要将传感器贴附在人体上，给受试者带来不适感，且难以在运动场景中进行监测[3]。近年来，基于远程光电容积脉搏波描记术(Remote Photoplethysmography,rPPG)的非接触式心率测量技术得到了快速发展[4]。rPPG技术利用RGB摄像头捕捉皮肤颜色变化，从而提取血液体积脉冲信号(Blood Volume Pulse,BVP)，进而实现心率的实时测量[5]。与传统的接触式方法相比，rPPG技术具有非接触、无创、便捷等优点，这消除了测量过程中的不便，更适合在实时的运动场景和作业环境中进行心率监测，如健身训练[6]、驾驶员监测[7]、作业人员心理监测[8]等。

目前rPPG研究面临的主要问题是如何降低噪声信号的影响。这是因为rPPG信号非常微弱，容易受到环境光照变化、头部运动、面部表情等因素的干扰，导致信号质量下降，进而影响心率估计的准确性。近年来，已经提出了用于脉搏信号提取的几种核心rPPG算法。这些包括：（1）盲源分离（例如，基于主成分分析（principal component analysis，PCA）的方法[9]和基于独立成分分析（independent component analysis，ICA）的方法[10]），其使用不同的标准将时间RGB迹线分离成不相关或独立的信号源以检索脉冲；（2）基于皮肤反射模型（例如基于绿色通道的GREEN方法[11]、基于色度的CHROM方法[12]、基于肤色空间的POS方法[13]）；（3）基于数据驱动的深度学习方法等[14]。

现有的rPPG方法仍存在以下局限：（1）传统的感兴趣的区域（Region of Interest,ROI）选取方法，如固定区域选取或人脸检测框内区域选取，在静止状态下效果较好，但在头部运动场景下容易引入噪声，影响信号质量。因此，需要设计鲁棒性更好的人脸检测和跟踪算法，以适应动态的场景环境。（2）对于噪声信号，仅通过滤波或算法设计的方式过滤，并检测过滤后的信噪比（Signal to Noise Ratio,SNR）。本研究发现在信号输入阶段直接过滤掉SNR较低的信号，能够很大程度上提升rPPG信号测量的精度。（3）对于深度学习的方法，需要大量的训练数据，且推理时间受到运行设备的影响，在边缘设备下难以做到60帧率（flame per second,fps）的实时推理。

在本研究中，系统性的研究了人脸检测跟踪算法、噪声过滤对rPPG信号提取准确度的影响，提出一种基于人脸检测跟踪和输入噪声过滤的rPPG信号实时提取方法，并实现实时心率监测。在一个私有数据集上，通SNR、平均绝对误差（Mean Absolute Error，MAE）和均方根误差（Root Mean Square Error，RMSE）评估性能。


本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006600


作者信息：

郝壮远1，田琨1，吴顺成1，谭昆1，李健2，高大帅2

（1.中国石油集团安全环保技术研究院有限公司，北京 102206；

2.北京捷通华声科技股份有限公司，北京 100193）


Magazine.Subscription.jpg

此内容为AET网站原创，未经授权禁止转载。

相关内容