想看女神喜不喜欢你,用AI机器扫扫脸就知道

作者: 李雨晨 2019-11-01 09:30:21

 

本文转自雷锋网,如需转载请至雷锋网官网申请授权。

我们都知道可穿戴心率监测器,但扫一扫脸部就能判断心跳的系统,你们见过吗?

据VentureBeat报道,近日,中国科学院的研究人员设计出了这么一个系统,并且论文发表在了Arxiv.org的预印本中。

在这篇文章中,他们描述了RhythmNet,这是一种端到端的可训练心率评估器,利用AI和光电容积脉搏波描记法(PPG)(一种检测皮肤组织中血容量变化的光学技术)来应对头部运动和光线变化方面的挑战。

正如研究人员所解释的那样,基于PPG的心率估算是可以实现的。因为皮肤对光的吸收量会随着血容量脉冲(BVP)的变化而周期性地变化。在真皮层和皮下层的微血管中,像血红蛋白这样的染色体吸收了不成比例的光。这样,当血液泵入下方的静脉和动脉时,就会发生微小的颜色变化。它们是肉眼看不到的,但很容易被嵌入可穿戴设备的RGB传感器捕捉到。

雷锋网了解到,为了训练RhythmNet,该团队创建了一个大规模的多模态语料库——VIPL-HR1。该语料库以开源方式提供,包含了2378个可见光视频和752个近红外视频,涉及107名受试者。每个视频片段都是由网络摄像头和红外传感器以及智能手机捕捉到的,包含了头部运动、头部姿态(带有注释的偏航、俯仰和滚转角)、照明和设备使用情况的变化。

RhythmNet由几个组件组成,包括一个面部探测器,该探测器根据一个人的面部视频定位81个以上的面部标记。

此外,还有一个单独的组件进行对齐和皮肤分割,以去除眼睛区域和其他非面部区域,然后从相隔0.5秒的视频帧生成时空图,以表示心率信号。这些图被输入到机器学习模型中,该模型经过训练可以从时空图预测心率,然后计算每分钟的估计心跳次数,最后得出一个平均值。

研究人员在MAHNOB-HCI和MMSE-HR两个广泛使用的数据库以及他们自己的数据库上对系统进行了评估。

他们表示,针对VIPL-HR1测试的大多数样本(71%)中,RhythmNet的心率估计误差低于每分钟5次,并且在每分钟47次到147次之间与基本事实有很好的相关性。

研究人员还补充说,MAHNOB-HCI和MMSE-HR的错误率不超过每分钟8.28次。

据雷锋网了解,团队还计划研究这种方法在其他生理状态测量任务中的有效性,比如通过视频测量呼吸频率和血压,以及利分布式学习和多任务学习技术,开发一个更强大的心率估计模型。

“心率是一个重要的生理信号,反映了一个人的身体和情绪状态。传统的心率测量通常依靠接触式监护仪,这可能会带来不便和不适。”该论文的共同作者写道,“ (我们提出的系统) 仅从表面上看,在数据库内和跨数据库测试场景中,都实现了很不错的心率估计准确性。”

AI 数据 人工智能
上一篇:Arm、华为纷纷涌入,自动驾驶芯片混战,鹿死谁手难定论 下一篇:这一次,脑机接口可以实时读取人类脑中画面了?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

干货!从0到1教你打造一个令人上瘾的聊天机器人?

几千年来,我们一直都是直接通过对话来解决问题的。聊天机器人(Chatbots)的出现实际上是回归到了最简单的岁月。

火火酱 ·  5h前
治愈大脑,人机共生,马斯克为“脑机接口”辩护

随着今年年初特斯拉中国工厂正式开始交付特斯拉 model3 型号电动汽车,特斯拉的股值不断飙升,与此同时特斯拉和马斯克也在新闻媒体上赚足了眼球。

学术君 ·  7h前
英伟达将展示6款机器人:真人大小,力举千斤……

除了显卡之外,老黄近几年也越来越关注AI与机器人,在下月举行的GTC 2020上,英伟达宣布将至少展示6款机器人,它们高矮胖瘦各不同,具备不同的功能。

佚名 ·  10h前
戴口罩难以刷脸支付 刷手行不行?

人工智能技术日益深入生活的同时,公众的隐私担忧也越来越甚。人脸作为生物识别特征数据的一种,与其他识别方式相比具有更容易暴露、难以更改的特性,公众对相关的收集使用活动就更为敏感。那么,有没有其他支付方式?

佚名 ·  10h前
从TensorFlow到Theano:横向对比七大深度学习框架

最近,来自数据科学公司 Silicon Valley Data Science 的数据工程师 Matt Rubashkin(UC Berkeley 博士)为我们带来了深度学习 7 种流行框架的深度横向对比,希望本文能对你带来帮助。

AI小师弟 ·  12h前
AI驱动的网络安全团队致力于人类强化

在很多其他行业,流程自动化和AI预示着工作机会的减少,但与之不同的是,威胁情报的未来是强化人类,而不是取代人类。在这方面,我们的研究发现以下三个主要原因。

邹铮 ·  13h前
关于AI我们完全错了!MIT教授批判:对数据过度关注

Luis Perez-Breva是麻省理工学院(MIT)的教授,也是麻省理工学院或工程学院创新团队的主任。他致力于了解我们如何使用技术来改善生活,并探讨如何努力将新技术推向世界。

图灵联邦 ·  13h前
古有照妖镜,今有换脸识别机,微软CVPR 2020力作,让伪造人脸无处遁形

前些日子,Deepfake技术现身印度选举,被候选人用在了竞选拉票的宣传材料上。虽然此候选人以惨败而收场,但这意味着Deepfake点燃的AI换脸之火有逐渐升温的迹象。

蒋宝尚 ·  17h前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载