女神があなたを好きかどうか知りたいなら、AI マシンであなたの顔をスキャンするだけです。

[[281019]]

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

ウェアラブル心拍数モニターについては誰もが知っていますが、顔をスキャンして心拍数を測定できるシステムを見たことがありますか?

VentureBeatによると、中国科学院の研究者らが最近そのようなシステムを設計し、Arxiv.orgのプレプリントで論文を発表した。

論文では、AI と光電式容積脈波記録法 (PPG) (皮膚組織の血液量の変化を検出する光学技術) を活用し、頭部の動きと光の変化に関する課題に対処する、エンドツーエンドのトレーニング可能な心拍数推定装置である RhythmNet について説明しています。

研究者らが説明しているように、PPG ベースの心拍数推定は実現可能です。これは、皮膚に吸収される光の量が血液量脈拍数 (BVP) の変化に応じて周期的に変化するためです。真皮と皮下層の微小血管では、ヘモグロビンなどの染色体が不均衡な量の光を吸収します。これにより、血液が下の静脈と動脈に送り込まれるときに、わずかな色の変化が起こります。これらは肉眼では見えませんが、ウェアラブルデバイスに埋め込まれた RGB センサーによって簡単に捉えることができます。

Leifeng.com は、RhythmNet をトレーニングするために、チームが大規模なマルチモーダル コーパスである VIPL-HR1 を作成したことを知りました。このコーパスはオープンソースとして提供されており、107 人の被験者に関する 2,378 本の可視光ビデオと 752 本の近赤外線ビデオが含まれています。各ビデオ クリップは、Web カメラと赤外線センサー、およびスマートフォンでキャプチャされ、頭の動き、頭の姿勢 (ヨー、ピッチ、ロールの角度の注釈付き)、照明、デバイスの使用状況のバリエーションが含まれています。

RhythmNet は、人物の顔のビデオに基づいて 81 を超える顔の特徴点を見つける顔検出器を含む複数のコンポーネントで構成されています。

さらに、別のコンポーネントが位置合わせと肌のセグメンテーションを実行して目の領域や顔以外の領域を削除し、0.5 秒間隔のビデオ フレームから時空間マップを生成して心拍信号を表します。これらのグラフは、時空間グラフから心拍数を予測するようにトレーニングされた機械学習モデルに入力され、1 分あたりの心拍数の推定値を計算し、最終的に平均値を算出しました。

研究者らは、広く使用されている2つのデータベース、MAHNOB-HCIとMMSE-HR、および独自のデータベースでシステムを評価した。

彼らは、RhythmNet の心拍数推定誤差が、VIPL-HR1 でテストされたほとんどのサンプル (71%) で 1 分あたり 5 拍未満であり、1 分あたり 47 拍から 147 拍の間で実際の値とよく相関していることを示しています。

研究者らはまた、MAHNOB-HCIとMMSE-HRのエラー率は1分あたり8.28回を超えなかったと付け加えた。

Leifeng.comによると、研究チームはまた、ビデオによる呼吸数や血圧の測定など、他の生理状態測定タスクにおけるこの方法の有効性を研究し、分散学習とマルチタスク学習技術を使用して、より強力な心拍数推定モデルを開発する予定だという。

「心拍数は、人の身体的および感情的状態を反映する重要な生理学的信号です。従来の心拍数測定は、通常、接触型モニターに依存していますが、これは不便で不快な場合があります」と論文の共著者は書いています。「[私たちの提案するシステム]は、理論上だけでも、データベース内およびデータベース間のテストシナリオの両方で、優れた心拍数推定精度を実現します。」