Deep Pulse-Signal Magnification for remote Heart Rate Estimation in Compressed Videos

近年来，由于数据驱动方法的推动，远程心率测量（rPPG）取得了显著的精度提升。然而，仍存在一些挑战，例如视频压缩：从高度压缩的视频中恢复rPPG信号特别复杂。虽然已经有几项研究强调了视频压缩的困难和影响，但有效的解决方案仍然有限。本文提出了一种新的方法来解决视频压缩对rPPG估计的影响，该方法利用脉冲信号放大变换将压缩视频适应到未压缩的数据域，其中rPPG信号被放大。我们通过对两个公开数据集UCLA-rPPG和UBFC-rPPG进行详尽的评估，在多个压缩率下进行了数据库内和跨数据库性能评估，验证了我们模型的有效性。此外，我们还在另外两个高度压缩和广泛使用的数据集MAHNOB-HCI和COHFACE上评估了我们方法的鲁棒性，结果显示出优秀的心率估计结果。

解决视频压缩对远程心率测量的影响问题

通过脉冲信号放大变换将压缩视频转化到未压缩数据域，从而提高远程心率测量的准确性

论文设计了详细的实验评估，使用了多个数据集进行验证，并在高度压缩的数据集上展现出优异的心率估计结果

相关研究包括：1. Remote heart rate measurement from face videos via a spatial-temporal attention deep learning network; 2. Remote heart rate measurement using low-cost RGB face video: a technical literature review