相关实验视频
Updated: May 1, 2026

09:44
Methods to Test Visual Attention Online
Published on: February 19, 2015
11.8K
基于面部视频的非接触式压力识别,利用多任务学习与注意力峰值
IEEE journal of biomedical and health informatics
|June 11, 2024
概括
本研究引入了使用面部视频的非接触式压力识别框架. 这种新的方法可以准确地识别压力状态和水平,而无需使用不舒服的可穿戴设备.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 心理学 心理学 心理学
背景情况:
- 压力,焦虑和抑郁是普遍存在的社会挑战.
- 压力监测的可穿戴设备由于不断与皮肤接触而引起不适.
- 精确的压力识别对于有效的压力管理和干预至关重要.
研究的目的:
- 使用面部视频开发一种非接触式压力识别框架.
- 通过利用多任务学习来提高压力识别的准确性.
- 为可穿戴设备提供舒适的替代品,用于长时间的压力监测.
主要方法:
- 开发了一个基于注意力峰值的多任务框架.
- 从RGB面部视频中提取了远程光电显微镜 (rPPG) 信号.
- 使用了一种新的多任务注意力卷积神经网络来识别压力 (MTASR),将峰值检测和心率 (HR) 估计作为辅助任务.
主要成果:
- 在压力状态识别方面,MTASR模型实现了94.33%的准确性.
- 该模型在压力水平识别方面显示了83.83%的准确性.
- 拟议的非接触方法在UBFC-Phys数据集上表现优于现有的基线和竞争方法.
结论:
- 开发的非接触式压力识别框架提供了一个舒适有效的解决方案.
- 多任务学习显著提高了用于压力识别的特征提取效率.
- 这种方法为心理健康的远程生理监测提供了有希望的进步.

