基于RGB-D相机的抗非均匀光照三维面部ROI分割及心率估计方法

为解决非接触式光电容积脉搏波描记法(rPPG)因面部区域选择不均和光照反射差异导致的信号质量下降问题，研究人员提出一种无监督三维面部ROI分割算法。通过融合深度相机获取的空间位置与表面法向量信息，将面部划分为光学特性均匀的子区域，最终实现心率估计误差(RMSE)低至6.32 bpm（正射光照）和6.84 bpm（45°侧光），显著提升非理想光照条件下的生命体征监测精度。

　　

这项创新研究攻克了远程光电容积脉搏波描记(rPPG)技术的关键瓶颈——如何抵抗不规则光照对面部微血管搏动信号提取的干扰。研究团队巧妙运用RGB-D深度相机，先构建带有色彩信息的三维面部点云，接着采用超体素聚类算法将凹凸不平的面部"雕刻"成多个光学特性均一的子区域(Sub-ROI)。每个子区域就像经过精密调校的反光板，确保皮肤表面反射光强度的一致性。

通过光学流算法实时追踪这些"光学稳定岛"的运动轨迹，研究人员成功从视频序列中提取出信噪比显著提升的rPPG子信号。最终采用多通道信号融合策略，在自建数据集上实现突破性精度：正射光照下心率估计误差仅6.32次/分钟(bpm)，即便在45度侧光干扰下也仅增至6.84 bpm，较传统方法有显著提升。这项技术为智能家居、远程医疗等场景提供了更可靠的非接触式生命体征监测方案。