Die Studie analysiert umfassend die Leistungsfähigkeit verschiedener Methoden zur kamerabasierten Fernüberwachung der Vitalfunktionen, insbesondere unter Verwendung des bisher größten Datensatzes VitalVideo.
Zunächst werden sechs unüberwachte Methoden auf den VitalVideo-Datensatz angewendet. Die Ergebnisse zeigen einen Anstieg des mittleren absoluten Fehlers (MAE) bei der Herzfrequenzschätzung von Hauttyp 1 zu Hauttyp 6, wobei die POS-Methode am besten abschneidet.
Anschließend werden drei überwachte Lernmethoden (TS-CAN, PhysNet, PhysFormer) auf Teilmengen des VV100-Datensatzes trainiert und auf PURE, UBFC-rPPG und MMPD-Simple getestet. Die Ergebnisse zeigen, dass Modelle, die auf ähnlichen Hauttypen trainiert wurden, bei den Testdatensätzen besser abschneiden als Modelle, die auf einer größeren Bandbreite an Hauttypen trainiert wurden. Dies unterstreicht die Bedeutung der Konsistenz bei den Hauttypen zwischen Trainings- und Testdaten.
Darüber hinaus wird der Einfluss der Datenmenge auf die Modellleistung untersucht. Die Ergebnisse zeigen, dass ab einer Trainingsdatenmenge von wenigen hundert Probanden keine signifikante Verbesserung mehr erzielt wird. Stattdessen ist die Konsistenz und Diversität der Hauttypen entscheidend für eine präzise Leistungsbewertung.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Jiankai Tang... في arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.05003.pdfاستفسارات أعمق