Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
非接触心拍数計測のための時空間低ランク近似に基づく脈波推定
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
kosuke kurihara
September 23, 2024
Technology
59
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
非接触心拍数計測のための時空間低ランク近似に基づく脈波推定
kosuke kurihara
September 23, 2024
More Decks by kosuke kurihara
See All by kosuke kurihara
非接触心拍数推定のための多波長動画像解析
kuriharak
0
12
ブロックスパースモデルに基づくRGB動画像からの脈波信号の分離
kuriharak
0
56
脈波の医学的特性を考慮したRGB/NIR撮像に基づく心拍数推定
kuriharak
0
120
Physiological Modeling With Multispectral Imaging for Heart Rate Estimation
kuriharak
0
110
Blood Volume Pulse Signal Extraction based on Spatio-Temporal Low-Rank Approximation for Heart Rate Estimation
kuriharak
0
130
脈波のダイナミクスに基づいた動的モード分解による非接触心拍数推定
kuriharak
0
130
脈波の時間特性を考慮したRGB動画像からの脈波信号の分離
kuriharak
1
130
脈波の時空間特性を考慮した動的モード分解に基づく非接触心拍数推定
kuriharak
0
91
Adaptive Fusion of RGB/NIR Signals based on Face/Background Cross-spectral Analysis for Heart Rate Estimation
kuriharak
0
75
Other Decks in Technology
See All in Technology
失敗を経て、Harness Engineering で 大切にしたいことを考える / Learning from Failure: What Matters in Harness Engineering
bitkey
PRO
1
300
社内 AI エージェント Synapse と セマンティックレイヤーの育て方
hiroakis
2
1.6k
2026TECHFRESH畢業分享會 - 原生還是跨平台? App 開發踩坑實錄
line_developers_tw
PRO
0
770
MIERUNE JCT 発表資料「宇宙から伊能忠敬ごっこ」
syuchimu
0
200
エラーバジェットのアラートのタイミングを考える.pdf
kairim0
0
110
機械学習を「社会実装」するということ 2026年夏版 / Social Implementation of Machine Learning June 2026 Version
moepy_stats
4
1.4k
なぜ Platform Engineering の土台に Kubernetes を選ぶのか
r4ynode
1
570
Building applications in the Gemini API family.
line_developers_tw
PRO
0
2.9k
タクシーアプリ『GO』の実践的データ活用
mot_techtalk
3
190
protovalidate-es を導入してみた
bengo4com
0
170
Dario Amodi『Policy on the AI Exponential』を理解する
nagatsu
0
210
Microsoft Build Keynoteふりかえり
tomokusaba
0
120
Featured
See All Featured
Claude Code どこまでも/ Claude Code Everywhere
nwiizo
65
56k
DBのスキルで生き残る技術 - AI時代におけるテーブル設計の勘所
soudai
PRO
65
55k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
287
14k
Exploring anti-patterns in Rails
aemeredith
3
400
Leveraging LLMs for student feedback in introductory data science courses - posit::conf(2025)
minecr
1
280
Building Applications with DynamoDB
mza
96
7.1k
Accessibility Awareness
sabderemane
1
140
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
133
19k
Embracing the Ebb and Flow
colly
88
5.1k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
49
10k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
231
23k
Jamie Indigo - Trashchat’s Guide to Black Boxes: Technical SEO Tactics for LLMs
techseoconnect
PRO
0
160
Transcript
非接触心拍数計測のための時空間低ランク近似に基づく脈波推定 栗原 康佑† 前田 慶博† 杉村 大輔‡ 浜本 隆之† †
東京理科大学大学院 工学研究科 電気工学専攻 ‡ 津田塾大学 学芸学部 情報科学科 正解心拍数との絶対値誤差 (bpm) 参考文献 [1] E. M. Nowara et al., IEEE CVPRW 2018 [2] M. Kumar et al., Biomedical Optics Express 2015 [3] M. Poh et al., IEEE TBE 2011 [4] S. Tulyakov et al., IEEE CVPR 2016 [5] Y. Maki et al., IEEE EMBC 2019 [6] S. Bobbia et al., Pattern Recognition Letters 2019 ◼ RGB動画像の周波数解析に基づく手法 [1, 2] •拍動に伴う皮膚色の変化(脈波)を周波数解析 • 時間・周波数分解能のトレードオフ ◼ 時間ピーク解析に基づく手法 [3] • 脈波のピーク間隔から心拍数を計測 → 周波数分解能による精度低下を低減 • 表情や環境光変動により,ピーク情報が劣化 ◼ 複数の関心領域を活用した手法 [4] • 脈波は顔全体にほぼ同時に空間伝搬 → 空間的に低ランク構造であることが期待 • 低ランク近似により,脈波成分の抽出が可能 • 顔全体にノイズが重畳した場合,脈波とノイズの分離は困難 研究背景・目的 従来手法 顔動画像データセットによる評価実験 ◼ 評価指標 • 正解心拍数との絶対値誤差 • Bland-Altman 解析 (計測誤差のプロット) ◼ 正解心拍数 パルスオキシメーターにより取得 Tokyo [5] MR [1] UBFC [6] 被験者数 9 8 47 動画像数 9 8 50 解像度 640×480 640×640 640×480 フレームレート 30 fps 30 fps 30 fps 動画の長さ 180 秒 180 秒 60 秒 実験に使用したデータセットの詳細 Tokyo [5] MR [1] UBFC [6] 手法 [1] 62.4 28.6 58.3 手法 [2] 15.3 10.3 9.2 手法 [4] 6.0 2.2 10.7 提案手法 3.7 1.9 4.9 提案手法 ◼ Key idea:脈波の時間特性に基づいた低ランク近似 • 脈波:心臓の準周期的な拍動に由来 → 自己回帰過程を用いて,脈波信号を時系列モデリング • システム同定理論に基づく,時間遅れ座標系における低ランク近似 → 自己回帰過程に基づいた脈波信号の推定が可能 ◼ 提案手法の流れ:時間・空間領域における,階層的な低ランク近似処理 Bland-Altman 解析(縦軸:計測誤差) ◼ 心拍数:健康管理や感情推定のための有用な指標 ◼ 従来の接触型計測機器:ユーザーに肉体的・精神的な負担 → 非接触型の計測機器への期待 ◼ 研究目的:イメージセンサによる非接触心拍数計測手法の確立 観測信号 脈波信号 ノイズ 脈波信号の自己回帰モデリング 自己相似 → 時間 t 脈波信号 推定脈波 R G B 時間→ 時系列変化 時間→ 時系列解析 RGB動画像 周波数解析 周波数→ 68 bpm 時間窓:長 周波数→ 時間窓:短 68 bpm ? 非接触型 計測機器 接触型 計測機器 心拍変動を 利用したゲーム 病院における スクリーニング ドライバー モニタリング 非接触計測の 応用例 UBFC [6] #5 Tokyo [5] #3 MR [1] #1 各データセットの撮像例 血管 皮膚 拍動 RGB 動画像 観測行列 𝐘 ←関心領域 時間→ 時間→ 𝐲1 ⁞ 𝐲𝑚 ⁞ 𝐲𝑀 観測行列の構築 観測ハンケル行列 𝐇𝐲𝑚 𝐬𝑚 時間低ランク近似 時間遅れ 座標系への変換 逆変換 脈波候補ハンケル行列 𝐇𝐬𝑚 低ランク 近似 時間→ 空間低ランク近似 脈波候補行列 𝐒 推定脈波行列 𝐗 推定脈波信号 𝐱 計測心拍数 時間→ ←関心領域 時間→ ←関心領域 時間→ 低ランク 近似 心拍数の計測 ピーク解析 時間→ 68 bpm 時間→ 𝐬1 𝐬𝑚 ⁞ 𝐬𝑀 脈波候補信号 RGB動画像 正解脈波 時空間マップ (RGB) 観測行列 (G) :関心領域 時間→ ←関心領域 時間→ ←関心領域 … 低ランク行列 時間→ ←関心領域 環境光変動 (顔全体に影響) 環境光変動 時間→ 脈波 推定脈波