想看女神喜不喜欢你，用AI机器扫扫脸就知道

我们都知道可穿戴式心率监测器，但是你见过通过扫描你的脸来辨别心跳的系统吗？

VentureBeat报道说，最近，中国科学院的研究人员设计了这样一个系统，该论文在Arxiv.org以预印本发表。

在这篇文章中，他们描述了RhythmNet，一种端到端的可训练心率评估器，它使用人工智能和光电容积描记术(PPG)，一种检测皮肤组织血容量变化的光学技术，来应对头部运动和光线变化的挑战。

正如研究人员解释的，基于PPG的心率估计是可以实现的。因为皮肤吸收的光量随血容量脉冲的变化而周期性变化(BVP)。像血红蛋白这样的染色体在真皮和皮下组织的微血管中吸收了过多的光。这样，当血液被泵入下面的静脉和动脉时，就会发生轻微的颜色变化。它们肉眼看不见，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。语料库以开源模式提供，包括2378个可见光视频和752个近红外视频，涉及107个主题。每个视频片段都由网络摄像头、红外传感器和智能手机捕捉，包括头部运动、头部姿势(偏航、俯仰和带音符滚动)、照明和设备使用的变化。

RhythmNet由几个组件组成，包括根据一个人的面部视频定位超过81个面部标记的面部检测器。

此外，还有一个单独的组件，它执行对齐和皮肤分割以移除眼睛区域和其他非面部区域，然后从相隔0.5秒的视频帧中生成时空图来表示心率信号。这些图被输入到机器学习模型中，该模型可以在训练后从时空图预测心率，然后计算估计的每分钟心率，最后获得平均值。

研究人员在MAHNB-HCI和MMSE-HR这两个广泛使用的数据库以及他们自己的数据库上评估了该系统。

他们说在VIPL-HR1测试的大多数样本(71%)中，心率记忆(RhythmNet)的心率估计误差小于每分钟5次，并且与每分钟47到147次之间的基本事实有很好的相关性。

研究人员补充说，人类大脑皮层和MMSE大脑皮层的错误率不超过每分钟8.28次。

据雷锋网站报道，该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，如通过视频测量呼吸频率和血压，以及通过促进分布式学习和多任务学习技术开发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赖于接触式监护仪，这可能会造成不便和不适。”论文的共同作者写道，“从表面上看，(我们提出的系统)已经在数据库和跨数据库测试场景中实现了非常好的心率估计准确度。”