文档名：基于3D多尺度卷积的非接触心率估计模型
摘要：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.
作者：潘天宝 程宁 刘金江 Author：PANTianbao CHENGNing LIUJinjiang
作者单位：南阳师范学院生命科学与农业工程学院,河南南阳473000南阳师范学院计算机科学与技术学院,河南南阳473000
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(7)
分类号：TP391
关键词：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
Keywords：non-contactheartrateextraction 3Dmulti-scaleconvolutionalattention self-attentiveconvolutionallongshort-termmemory(SA-ConvLSTM) multi-tasklearning
机标分类号：TP391R318TN911.7
在线出版日期：2023年7月28日
基金项目：河南省自然科学基金青年科学基金资助项目基于3D多尺度卷积的非接触心率估计模型[
期刊论文] 传感器与微系统--2023, 42(7)潘天宝 程宁 刘金江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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于3D多尺度卷积的非接触心率估计模型 Non-contact heart rate estimation model based on 3D multi-scale convolution
基于3D多尺度卷积的非接触心率估计模型.pdf
- 文件大小:
- 771.07 KB
- 下载次数:
- 60
-
高速下载
|
|
