rPPG-Toolbox:深度远程PPG工具箱

RayRay
rPPG-Toolbox摄像头生理信号检测开源平台算法数据集Github开源项目

rPPG-Toolbox:深度远程PPG工具箱

rPPG-Toolbox是一个开源平台,专为基于相机的生理感知而设计,也称为远程光电容积脉搏波描记法(rPPG)。这个强大的工具箱不仅对现有的最先进的神经和无监督方法进行基准测试,还支持研究人员灵活快速地开发自己的算法。

工具箱概述

rPPG-Toolbox具有以下主要特点:

  • 支持多种先进的rPPG算法,包括传统的无监督算法和基于深度学习的监督算法
  • 集成了多个公开的rPPG基准数据集
  • 提供了完整的数据预处理、模型训练和评估流程
  • 支持自定义数据集和算法的灵活扩展
  • 提供了丰富的可视化工具,用于数据分析和结果展示

工具箱概述图

支持的算法

rPPG-Toolbox支持多种先进的rPPG算法:

  1. 传统无监督算法:

    • GREEN: 基于环境光的远程光电容积成像
    • ICA: 使用网络摄像头的非接触式多参数生理测量的进展
    • CHROM: 基于色度的稳健脉搏率rPPG
    • LGI: 野外面部视频心率估计的局部群不变性
    • PBV: 使用血容积脉冲签名改善远程PPG的运动稳健性
    • POS: 远程ppg的算法原理
    • OMIT: 一种从面部提取血容积脉冲的无监督管道
  2. 监督神经网络算法:

    • DeepPhys: 使用卷积注意力网络的基于视频的生理测量
    • PhysNet: 使用时空网络从人脸视频测量远程光电容积描记信号
    • TS-CAN: 用于设备上非接触式生命体征测量的多任务时间偏移注意力网络
    • EfficientPhys: 实现简单、快速和准确的基于相机的心脏测量
    • BigSmall: 针对不同空间和时间生理测量的高效多任务学习
    • PhysFormer: 使用时间差分变换器的基于面部视频的生理测量
    • iBVPNet: 在iBVP数据集论文中引入的3D-CNN架构

支持的数据集

rPPG-Toolbox支持多个公开的rPPG基准数据集:

  • SCAMPS: 用于相机生理信号测量的合成数据集
  • UBFC-rPPG: 包含面部视频和同步的地面实况PPG信号
  • PURE: 用于移动服务机器人上的非接触式脉搏率测量
  • BP4D+: 用于人类行为分析的多模态自发情感语料库
  • UBFC-Phys: 用于社会压力心理生理研究的多模态数据库
  • MMPD: 多领域移动视频生理数据集
  • iBVP: RGB-热rPPG数据集,具有高分辨率信号质量标签

基准测试结果

rPPG-Toolbox对所有支持的算法和数据集进行了全面的基准测试。下图展示了各种算法在不同数据集上的平均绝对误差(MAE)和平均绝对百分比误差(MAPE)性能:

基准测试结果

使用指南

设置环境

  1. 运行 bash setup.sh
  2. 激活conda环境: conda activate rppg-toolbox
  3. 安装依赖: pip install -r requirements.txt

使用预训练模型

使用 ./configs/infer_configs 下的配置文件进行推理。例如:

python main.py --config_file ./configs/infer_configs/PURE_UBFC-rPPG_TSCAN_BASIC.yaml

训练神经网络模型

使用 ./configs/train_configs 下的配置文件进行训练。例如,在PURE数据集上训练并在UBFC-rPPG上测试TSCAN模型:

  1. 下载PURE和UBFC-rPPG数据集
  2. 修改 ./configs/train_configs/PURE_PURE_UBFC-rPPG_TSCAN_BASIC.yaml 配置文件
  3. 运行:
python main.py --config_file ./configs/train_configs/PURE_PURE_UBFC-rPPG_TSCAN_BASIC.yaml

使用无监督方法

  1. 下载UBFC-rPPG数据集
  2. 修改 ./configs/infer_configs/UBFC_UNSUPERVISED.yaml 配置文件
  3. 运行:
python main.py --config_file ./configs/infer_configs/UBFC_UNSUPERVISED.yaml

数据可视化

rPPG-Toolbox提供了丰富的可视化工具,用于分析预处理后的数据、训练过程和预测结果。

预处理数据可视化

tools/preprocessing_viz 目录下提供了用于可视化预处理数据的Python notebook。该notebook可以自动检测预处理后的数据格式,并绘制输入图像示例和波形。

预处理数据可视化示例

训练损失和学习率可视化

工具箱会自动保存训练和验证损失的图表。这些图表默认保存在 runs/exp 目录下。下图展示了在UBFC-rPPG数据集上训练和验证,并在PURE数据集上测试时的损失和学习率曲线:

损失曲线 学习率曲线

Bland-Altman图

工具箱默认会为监督和无监督方法生成Bland-Altman图,用于图形化比较两种测量技术。这些图表同样保存在 runs/exp 目录下。下图展示了在UBFC-rPPG数据集上训练和验证,并在PURE数据集上测试后生成的Bland-Altman图:

散点图 差异图

神经网络预测结果可视化

tools/output_signal_viz 目录下提供了用于可视化测试集神经网络输出预测和标签的Python notebook。该notebook可以绘制预测的PPG信号与地面实况PPG信号的对比图。

预测结果可视化示例

配置文件说明

rPPG-Toolbox使用YAML文件来控制训练和评估的所有参数。您可以修改现有的YAML文件以满足自己的训练和测试需求。以下是一些重要参数的说明:

  • TOOLBOX_MODE:

    • train_and_test: 在数据集上训练并使用新训练的模型进行测试
    • only_test: 使用预训练模型进行测试,需要设置INFERENCE-MODEL_PATH
  • TRAIN / VALID / TEST / UNSUPERVISED DATA:

    • DATA_PATH: 原始数据的输入路径
    • CACHED_PATH: 预处理数据的输出路径
    • BEGIN & END: 用于训练/验证/测试的数据集部分
    • DATA_TYPE: 如何预处理视频数据
    • LABEL_TYPE: 如何预处理标签数据
    • DO_CHUNK: 是否将原始数据分割成更小的块
    • DO_CROP_FACE: 是否执行人脸检测
  • MODEL: 设置使用的模型(支持Deepphys, TSCAN, Physnet, EfficientPhys, BigSmall和PhysFormer及其参数)

  • UNSUPERVISED METHOD: 设置使用的无监督方法,例如: ["ICA", "POS", "CHROM", "GREEN", "LGI", "PBV"]

  • METRICS: 设置使用的评估指标,例如: ['MAE','RMSE','MAPE','Pearson','SNR','BA']

扩展工具箱

rPPG-Toolbox支持灵活的扩展,您可以轻松添加新的数据集、神经网络算法和无监督算法。

添加新数据集

  1. dataset/data_loader 中创建新的Python文件,例如 MyLoader.py
  2. 实现必要的函数,包括 preprocess_dataset, read_videoread_wave
  3. 根据需要重写可选函数
  4. 在 configs/ 目录下创建新的YAML文件设置参数,并在 config.py 中添加新参数的定义和初始值

添加新的神经网络算法

  1. neural_methods/model 中定义新模型,例如 NewModel.py
  2. neural_methods/trainer 中实现相应的训练/测试例程,例如 NewModelTrainer.py
  3. 在 main.py 中添加逻辑以在 train_and_testtest 函数中使用新模型
  4. 在 configs/ 目录下创建对应新算法的YAML文件

添加新的无监督算法

  1. unsupervised_methods/methods 中定义新算法,例如 NewMethod.py
  2. 在 main.py 中添加逻辑以在 unsupervised_method_inference 函数中使用新算法
  3. 在 configs/ 目录下创建对应新算法的YAML文件

高级功能

弱监督训练

对于不含高质量同步PPG波形标签的数据集,rPPG-Toolbox提供了使用"伪"标签进行训练的选项。这些标签是通过对POS生成的PPG波形进行带通滤波和希尔伯特包络归一化得到的。

伪标签示例

运动增强训练

rPPG-Toolbox支持使用合成的运动增强数据集进行训练,以增加rPPG视频的运动多样性。这些数据集是使用MA-rPPG Video Toolbox生成的。您可以按照以下步骤使用运动增强数据集:

  1. 按照MA-rPPG Video Toolbox的说明生成运动增强数据集
  2. 在配置文件中将 DATA_AUG 参数设置为 'Motion'
  3. 运行相应的配置文件

运动增强示例

多任务学习

rPPG-Toolbox实现了BigSmall作为示例,展示了如何扩展工具

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多