Verbesserung der Herzfrequenzüberwachung bei schwachem Licht

Die Technologie zur Fernüberwachung der Herzfrequenz ermöglicht es uns, die Herzfrequenz einer Person ohne physischen Kontakt zu messen. Das geschieht mit Geräten wie Digitalkameras und Smartphones, die Informationen über den Blutfluss durch die Haut sammeln. Ein grosses Problem tritt jedoch auf, wenn die Beleuchtung schlecht ist. Wenn nicht genug Licht vorhanden ist, wird es schwierig, die Herzfrequenzen genau zu erkennen und zu überwachen.

Dieser Artikel konzentriert sich darauf, die Herzfrequenzmessung in dunklen Umgebungen zu verbessern. Forscher haben neue Methoden entwickelt und einen Datensatz erstellt, um die Auswirkungen von Licht auf die Messungen zu untersuchen.

#Herausforderungen in dunklen Umgebungen

Bei der Messung der Herzfrequenz bei schwachem Licht gibt es einige wichtige Probleme:

1. Gesichtserkennungsprobleme: In schlechten Lichtverhältnissen haben Algorithmen Schwierigkeiten, das Gesicht einer Person zu finden und zu verfolgen. Die meisten Gesichtserkennungssysteme basieren auf klaren Merkmalen in gut beleuchteten Bildern. Wenn das Licht schwach ist, sind diese Merkmale möglicherweise nicht sichtbar.

2. Schwache Signale: Die Signale, die von der Herzfrequenz kommen, sind bei schwachem Licht sehr schwach. Rauschen oder unerwünschte Signale können die schwachen Herzsignale leicht überlagern, was es schwierig macht, genaue Messwerte zu erhalten.

3. Annahmen versagen: Einige Methoden zur Erkennung von Herzsignalen basieren auf der Annahme, dass bestimmte Farben in Bezug auf den Hautton konstant bleiben. Bei schwachem Licht können sich diese Farbsignale ändern, was die zuverlässige Messung erschwert.

Diese Probleme führen dazu, dass die Messung der Herzfrequenz bei Aktivitäten, die bei schwachem Licht stattfinden, wie Schlafen oder nächtliches Fahren, schwierig ist.

#Vorgeschlagene Lösungen

Um diese Probleme anzugehen, haben Forscher einen Rahmen entwickelt, der aus drei Hauptschritten besteht:

1. Verbesserung der Videoqualität: Der erste Schritt besteht darin, die Qualität von in schwachem Licht aufgenommenen Videos zu verbessern. Das hilft, physiologische Signale klarer zu machen.

2. Gesicht finden: Der nächste Schritt ist die Erkennung und Verfolgung des Gesichts im verbesserten Video. Das ist wichtig, um den Bereich zu fokussieren, der Herzsignale zeigt.

3. Herzfrequenz extrahieren: Im letzten Schritt werden Herzfrequenzinformationen aus dem verbesserten Video gesammelt.

#Bedeutung des Datensatzes

Ein wesentlicher Teil dieser Forschung ist ein neuer Datensatz, der erstellt wurde, um zu testen, wie gut Herzfrequenzalgorithmen bei schwachem Licht funktionieren. Dieser Datensatz enthält Videos, die unter verschiedenen Lichtverhältnissen aufgenommen wurden. Das Ziel ist es, zu bewerten, wie Veränderungen im Licht verschiedene Techniken zur Herzfrequenzmessung beeinflussen.

Viele vorhandene Studien basierten auf Datensätzen, die in hellen Umgebungen gesammelt wurden, was kein vollständiges Bild der Leistung bei schwachem Licht gibt. Dieser neue Datensatz ist ein bedeutender Beitrag, der Forschern in der Zukunft helfen kann.

#Aktuelle Algorithmen zur Herzfrequenzmessung

Es gibt mehrere Algorithmen, die häufig zur Fernüberwachung der Herzfrequenz verwendet werden, darunter:

• Grüner Algorithmus: Diese Methode konzentriert sich auf den grünen Farbkanal in Videos, der oft die besten Herzfrequenzsignale zeigt.

• Unabhängige Komponentenanalyse (ICA): Diese Technik trennt verschiedene Signale im Video, um das Herzfrequenzsignal unter ihnen zu finden.

• Ebene-orthogonal-zur-Haut (POS): Diese Methode geht von einer bestimmten Beziehung zwischen Hautton und Reflexionen aus, um das Herzfrequenzsignal zu extrahieren.

Die Effektivität dieser Algorithmen kann je nach Licht variieren. Besonders der Grüne Ansatz schneidet bei schlechten Lichtverhältnissen besser ab als andere.

#Ergebnisse aus Experimenten

Die Experimente zeigten, dass mit zunehmendem Licht die Fähigkeit, Herzfrequenzen zu messen, ebenfalls zunahm. Bei Herzfrequenzmessungen unter sehr schwachem Licht entdeckten die Forscher bemerkenswerte Unterschiede in der Leistung der Algorithmen:

• Bei extrem schwachen Lichtverhältnissen waren die Ergebnisse des Grünen Algorithmus die besten unter den dreien.

• Als das Licht zunahm, verbesserte sich die Genauigkeit aller Algorithmen.

• Die Ergebnisse deuteten darauf hin, dass zwar der Grüne Algorithmus bei schwachem Licht stark ist, es jedoch auch wichtig ist, andere Methoden zu erkunden, da sie unter helleren Bedingungen besser abschneiden können.

#Verbesserung der Videoqualität bei schwachem Licht

Die Verbesserung der Videoqualität bei schwachem Licht ist entscheidend für eine bessere Herzfrequenzüberwachung. Die Forschung schlug vor, Techniken zu verwenden, die das Video-Frame anpassen, um die Sichtbarkeit zu erhöhen. Dazu gehört, das Video in verschiedene Komponenten zu zerlegen, das Licht von den eigentlichen Bilddetails zu trennen und es dann so wieder zusammenzusetzen, dass die Sichtbarkeit der Herzfrequenzsignale verbessert wird.

Die Tests zeigten, dass verbesserte Videos eine bessere Erkennung der Gesichtszonen ermöglichten, was direkt die Extraktion der Herzfrequenzsignale verbesserte.

#ROI-Erkennung und -Verfolgung

Sobald die Videoqualität verbessert ist, besteht der nächste Schritt darin, den interessierenden Bereich zu finden, normalerweise das Gesicht. Die verwendeten Methoden zur Erkennung umfassen:

• Viola-Jones-Algorithmus: Ein beliebtes Gesichtserkennungsverfahren, das unter klaren Bedingungen gut funktioniert, jedoch Anpassungen bei schwachem Licht benötigt.

• Discriminative Response Map Fitting (DRMF): Diese Methode hilft dabei, Gesichtspunkte nach der ersten Gesichtserkennung präzise zu bestimmen.

Durch die Fokussierung auf spezifische Gesichtsmerkmale können Forscher eine Maske erstellen, die den Bereich hervorhebt, in dem das Herzfrequenzsignal erscheint. Dieser fokussierte Ansatz erhöht die Wahrscheinlichkeit, das Pulsignal genauer zu erfassen.

#Fazit

Der Fortschritt der Technologie in der Herzfrequenzüberwachung hat neue Türen für Forschung und Anwendungen geöffnet, insbesondere mit der Fernphotoplethysmographie. Es bestehen jedoch weiterhin Herausforderungen, insbesondere bei schwachem Licht. Die hier präsentierte Arbeit hilft, diese Probleme zu beleuchten und schlägt Lösungen durch verbesserte Videotechniken und einen soliden Datensatz zum Testen vor.

Diese Verbesserungen können zu genaueren Herzfrequenzmessungen im Alltag führen und wertvolle Informationen für Gesundheits- und Fitnessanwendungen bereitstellen, insbesondere in dunklen Umgebungen. Zukünftige Bemühungen werden darauf abzielen, diese Methoden weiter zu verbessern und zu verstehen, wie unterschiedliche Lichtverhältnisse die Herzfrequenzmessungen beeinflussen.

Mit dem technologischen Fortschritt könnte das Potenzial für die kontaktlose Gesundheitsüberwachung wachsen und eine bequeme und effiziente Möglichkeit bieten, unsere Gesundheitsmetriken ohne physische Geräte im Blick zu behalten.