인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This study proposes a robust and cost-effective contactless remote photoplethysmography (rPPG) estimation method capable of extracting heart rate signals directly from facial videos. To address motion artifacts and environmental noise, model, designated as Balanced-TF, employs an attention-based deep learning architecture. This architecture captures long-range temporal relationships across frames while selectively attending to salient spatial features by leveraging inter-pixel relationships. We introduce a dynamic supervision strategy utilizing a hybrid loss function that incorporates both frequency and time domain losses. Time-domain supervision captures signal trends, whereas frequency-domain supervision ensures periodic physiological features are maintained within the target frequency band. The adaptive adjustment of these constraints accelerates convergence speed and minimizes overfitting risks. Extensive experimental results on the UBFC-rPPG and PURE datasets demonstrate that achieving an optimal balance between time-frequency supervision significantly enhances the robustness and generalizability of rPPG estimation. Consequently, the proposed model consistently outperforms existing methods, highlighting the efficacy of Balanced-TF in remote physiological monitoring. This study contributes to broadening the practical applicability of contactless health monitoring systems in real-world scenarios.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096260136
