Chaos in Motion: Unveiling Robustness in Remote Heart Rate Measurement through Brain-Inspired Skin Tracking

心率是人类健康状况的重要生理指标。现有的远程心率测量方法通常涉及面部检测，然后从感兴趣区域（ROI）提取信号。这些SOTA方法存在三个严重问题：（a）由环境影响或被测者运动引起的检测不准确甚至失败；（b）对于特殊患者如婴儿和烧伤患者，无法使用；（c）由于收集面部视频而导致的隐私泄漏问题。为了解决这些问题，我们将远程心率测量视为分析视频中光流信号的时空特征的过程。我们首次将混沌理论应用于计算机视觉任务，设计了一个类脑框架。首先，使用人工初级视觉皮层模型提取视频中的皮肤，然后通过对所有像素进行时频分析计算心率。我们的方法实现了称为HR-RST的心率测量的稳健皮肤跟踪。实验结果表明，HR-RST克服了环境影响的困难并有效跟踪被测者的运动。此外，该方法可以扩展到其他身体部位。因此，该方法可以应用于特殊患者，并有效保护个人隐私，提供创新的解决方案。

解决问题：论文试图提出一种新的远程心率测量方法，避免传统方法中存在的检测不准确、特殊患者不适用、隐私泄露等问题。

关键思路：论文利用深度学习和混沌理论相结合的方法，通过分析视频中的光流信号来实现远程心率测量。

其他亮点：论文采用了人工视觉皮层模型来提取视频中的皮肤，通过对所有像素进行时频分析来计算心率，实验结果表明该方法能够有效地跟踪被测者的运动并且可扩展到其他身体部位。

相关研究：目前已有的远程心率测量方法主要基于面部检测，但存在一些问题。近期的相关研究包括“Remote Photoplethysmography: A Review”和“Remote heart rate measurement based on the chrominance of face videos using ICA and DCT”等。