Resumen

Proponemos un novedoso método de estimación remota de la frecuencia cardiaca (FC) mediante imágenes faciales basadas en análisis de vídeo. La mayoría de los métodos anteriores se han demostrado en entornos interiores bien controlados. En cambio, este trabajo propone un marco analítico de vídeo práctico en condiciones reales de conducción mediante la extracción de características clave que inducen la FC. En particular, cuando se conducen coches, la estimación eficaz y estable de la HR se convierte en un reto, ya que hay muchos elementos dinámicos, como los rápidos cambios de iluminación, las vibraciones y la iluminación ambiental que pueden existir en el interior del vehículo. Para superar estas perturbaciones en la estimación de la FC, primero se detecta la región de la cara del conductor y se recorta en la región de interés (RoI). En segundo lugar, los componentes relacionados con la FC se extraen de los componentes ruidosos mezclados utilizando la descomposición de modo empírico conjunto (EEMD). Por último, la señal extraída se analiza en el dominio de la frecuencia y se suaviza mediante filtrado temporal. Para verificar nuestro enfoque, el método propuesto se compara con métodos recientes destacados que emplean un conjunto de datos HCI público. Se ha demostrado que el método propuesto ofrece un rendimiento superior en condiciones de conducción utilizando gráficos de Bland-Altman.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:nueva frecuencia cardiaca remota, condiciones reales de conducción, región facial del conductor, descomposición empírica de modos, muchos elementos dinámicos, componentes ruidosos mixtos, conjunto de datos público hci, cambios rápidos de iluminación, métodos recientes destacados, estimación estable de la hr
• Keywords:novel remote heart rate, actual driving conditions, driver face region, empirical mode decomposition, many dynamic elements, mixed noisy components, public hci dataset, rapid illumination changes, recent prominent methods, stable hr estimation