在实时健康监测中，心率测量是关键需求，尤其是老年人的健康护理。传统的心率测量依赖于接触传感机制，如医疗设备或嵌入式传感器的可穿戴设备（如Apple Watch）。本文开发了一种使用普通摄像头（如笔记本电脑嵌入式摄像头）进行无接触实时心率测量的系统。我们采用创新算法捕捉相关信号，以计算实际环境中的心率时间序列。
心率计算（HRC）过程包含四个主要步骤： (a) 确定所用摄像头的帧率，例如30帧每秒； (b) 使用深度学习方法进行面部检测（FD），通过68个面部特征点的形状预测； (c) 应用时间滑动窗口（TSW）算法去噪信号，平滑噪声； (d) 基于识别信号的周期性计算心率。
我们测试并分析了开发的原型与Apple Watch的心率结果，检查多轮测试中的差异范围，并计算同一时间同一人心率测量值的均值差异。未来，我们将进一步调整和优化现有方法，并将该系统部署为个人AI健康监测代理。
博主点评： 本文展示了一种创新的无接触心率测量技术，利用图像处理和深度学习方法，具有广泛的应用潜力，尤其在老年人健康监测领域。该技术的实现不仅提高了测量的便利性，还为未来的个人健康管理提供了新的视角。