研究背景

远程光电容积描记术 (rPPG) 是一种非接触式技术，用于测量面部视频中的心脏信号。健康监测和情绪识别等许多领域都迫切需要高质量的 rPPG 脉冲信号。然而，由于脉搏信号不准确的限制，现有的大多数rPPG方法只能用于获取平均心率（HR）值。

问题

基于深度学习的 rPPG 方法通常可以分为两种类型：端到端类型和特征解码器类型。前者直接建立视频帧到目标心率值或脉冲信号的映射关系，后者通过解码视频帧预处理后的潜在信息得到心率目标。自 2014 年生成对抗网络 (GAN) 提出，由于其最先进的性能，在图像处理和计算机视觉领域已成为主流的生成方法。 因此 rPPG 脉冲波形的提取也可以考虑从生成模型的角度来看。

方法

本文中提出了一个名为 PulseGAN 的新框架，以使用条件 GAN (cGAN) 提取 rPPG 脉冲信号。

将 CHROM（CHROM 的原理基于皮肤光学反射模型，选择 CHROM 方法是因为它对运动伪影快速且稳定）导出的脉冲信号作为生成器 G 的输入，以脉搏血氧仪同步记录的 PPG 信号作为参考。判别器 D 从参考信号中判断生成的信号，其中 G 的脉冲信号输入作为条件。考虑到脉冲信号的明显特性，除了对抗性损失之外，并且本文还结合了时域中的波形误差损失和频域中的频谱误差损失，以强制生成波形与其参考之间的匹配。通过 G 和 D 之间的对抗训练，生成器学习构建一个接近真实心率的 rPPG 脉冲。

Acquisition of rough rPPG pulses

作者在论文中使用了第二类的深度学习方法，通过解码视频帧预处理后的潜在信息得到心率目标。于是在输入 PulseGAN 之前，使用一些常规方法获得粗略的 rPPG 脉冲信号。如果粗糙的 rPPG 脉冲与其参考脉冲足够接近，就可以显着简化 PulseGAN 的训练难度。

The PulseGAN framework

PulseGAN 由生成器 G 和判别器 D 组成。生成器 G 用于将粗略的 CHROM 信号 X 映射到接近参考 PPG 信号 Xc 的目标 rPPG 信号 G(X)。判别器 D 用于区分地面实况 Xc 和信号 G(X)。

为了更好地配对输入和输出，作者参考条件 GAN 的方法，将其中输入 X 设置为判别器中的条件。因此，判别器的输入由 (G(X), X) 和 (Xc,X) 两个通道组成，判别器 D 对于输入 (G(X),X) 的情况下输出较低的分数，而输入为 (Xc,X) 则提供较高的分数。通过生成器和判别器之间的对抗学习不断学习PPG信号的特征，使得输出信号具有与参考PPG信号的分布一样接近的分布。

Loss function

由于脉冲信号具有清晰的时域和频域特征，作者定义了两个域的误差损失，以更好地指导发生器学习参考信号的特征。
生成器 G 的损失函数：
$$L_G=\frac{1}{2}(D(G(X),X)-1{)}^2+\lambda ||X_c-G(X)|{|}_1+\beta ||X_{cf}-G_f(X)|{|}_1$$
判别器 D 的损失函数：
$$L_D=\frac{1}{2}(D(G(X),X){)}^2+\frac{1}{2}(D(X_c,X)-1{)}^2$$
$L_G$ 的第一项是类似于最小二乘 GAN（LSGAN）的对抗性损失，第二项和第三项分别是在时域和频域中定义的波形损失和频谱损失。判别器的损失函数与 LSGAN 相同,它强制 D 区分生成信号和参考信号。
频谱损失中的 $G_f(X)$ 和 $X_{cf}$ 分别通过对 $G(X)$ 和 $X_c$ 的 1024 点快速傅里叶变换 (FFT) 计算得出。 $||\cdot |{|}_1$ 表示 L1 范数。 λ 和 β 分别是波形损失和频谱损失的权重。生成器被强制通过最小化误差损失来学习时频特性。因此最终可以有效提高生成波形的质量。

总结

PulseGAN 是基于生成对抗网络框架设计的，在时间和频谱域中都定义了 Loss 损失。它以 CHROM 信号为输入，通过深度生成模型输出一个 rPPG 脉冲。并且作者表示这种架构也很容易与现有的基于深度学习的 rPPG 方法集成，并进一步提高它们的性能。