远程光电生理信号监测开源项目介绍

本项目是一个开源的远程光电生理信号监测（rPPG）项目，主要使用Python语言开发，基于PyTorch深度学习框架。项目旨在实现、评估和对比深度神经网络（DNN）模型在远程光电生理信号监测（rPPG）和连续无创血压（CNIBP）方面的表现。

核心功能

项目提供了一个公平评估rPPG技术的基准框架，包括以下核心功能：

• 模型实现：项目中实现了多种深度学习模型，用于从视频数据中提取光电生理信号。
• 数据集整合：整合了多个公开的数据集，用于模型的训练和验证。
• 性能评估：提供了多种性能评价指标，如平均绝对误差（MAE）、均方根误差（RMSE）、平均百分比误差（MAPE）等，以评估模型的表现。

最近更新的功能

项目最近的更新主要包括以下功能：

• 新增模型：加入了新的深度学习模型，如BIGSMALL、PhysFormer++等，用于提升rPPG信号的准确度和鲁棒性。
• 数据集扩展：增加了新的数据集，以提供更广泛的训练和测试场景。
• 性能优化：对现有模型进行了优化，提高了在多种数据集上的表现。

本项目持续更新，致力于为研究者和开发者提供一个全面的rPPG技术研究和应用平台。