条件扩散rPPG模型

抗遮挡鲁棒测量

利用条件扩散模型恢复被遮挡面部视频中的缺失信息，通过低秩正则化抑制背景噪声，在异质性遮挡下保持生理信号测量的准确性。

Wang, Jiyao · Ximeng, Wei · Lu, Hao · Chen, Yingcong · He, Dengbo

IEEE Journal of Biomedical and Health Informatics 2024

技术优势

遮挡下仍测得到

通过条件扩散模型利用未遮挡的观测值恢复被遮挡区域的缺失信息，确保在异质性遮挡下仍能提取生理信号。

背景噪声压得住

引入低秩分解正则化来消除背景噪声并最大化信息特征，避免噪声干扰生理信号。

训练目标一致

在训练过程中确保优化目标一致性，有助于模型稳定收敛并提升性能。

应用场景

• 非接触生理监测：在相机有灰尘或人脸被遮挡时仍可测量心率和血氧，替代易受扰动的接触式或非鲁棒方案。
• 远程健康监护：患者无需保持面部无遮挡即可获取生理信号，提升远程医疗场景下的信号可靠性。
• 智能安防：在监控视频中人物被部分遮挡时仍能提取生理信号，辅助检测异常状态。
• 情感计算：在自然场景下即使面部有遮挡也能提取脉搏信号，为情绪识别提供底层生理特征。
• 生物特征识别：利用遮挡下仍可获得的rPPG信号特征进行活体检测，替代易被伪造的静态人脸特征。