💻 computer science

Video-based Heart Rate Estimation with Angle-guided ROI Optimization and Graph Signal Denoising

تقترح هذه الورقة وحدتين جاهزتين للتشغيل، وهما وحدة تحسين منطقة الاهتمام التكيفية الموجهة بالزاوية ووحدة إزالة الضجيج من إشارة الرسم البياني المشترك متعدد المناطق، لتحسين دقة تقدير معدل ضربات القلب عن طريق تقنية قياس حجم تغير تدفق الدم عن بعد (rPPG) بشكل كبير، وذلك من خلال التخفيف الفعال من آثار الحركة الناتجة عن حركات الوجه مثل التحدث وهز الرأس.

المؤلفون الأصليون: Gan Pei, Junhao Ning, Boqiu Shen, Yan Zhu, Menghan Hu

نُشر 2026-04-15

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC0 1.0

المؤلفون الأصليون: Gan Pei, Junhao Ning, Boqiu Shen, Yan Zhu, Menghan Hu

البحث الأصلي مُهدى إلى الملك العام بموجب CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول الاستماع إلى نبضات قلب صديقك من خلال مشاهدة فيديو لوجهه. هذا هو بالضبط ما يفعله التقاط حجم الدم عن بُعد عبر التصوير الضوئي (rPPG). فهو يستخدم كاميرا عادية لرصد تغيرات لونية طفيفة، تكاد تكون غير مرئية، في الجلد ناتجة عن ضخ الدم عبر أوردتك.

ومع ذلك، هناك مشكلة كبيرة: الحركة.
إذا أدار صديقك رأسه، أو تحدث، أو ابتسم، ستصاب الكاميرا بالارتباك. ستغرق "إشارة نبض القلب" في وسط "الضجيج"، تمامًا مثل محاولة سماع همس وسط إعصار. تحاول معظم الطرق الحالية الاستماع إلى الوجه بأكم، كإشارة واحدة كبيرة وفوضوية، وهو ما يؤدي غالبًا إلى الفشل عندما يتحرك الشخص.

تقترح هذه الورقة البحثية حلاً من خطوتين ذكيًا لإصلاح ذلك، يعمل بمثابة مهندس صوت ذكي للفيديو الخاص بك.

الخطوة 1: "الراصد الموجه بالزاوية" (مشغل الكاميرا الذكي)

المشكلة: تخيل أنك تصور مغنيًا. إذا أدار وجهه بعيدًا عن الكاميرا، تتغير الإضاءة ويصبح الصوت غير واضح. وبالمثل، إذا التفت الوجه بعيدًا، تصبح بيانات لون البشرة غير موثوقة.

الحل: ابتكر المؤلفون وحدة تعمل بمثابة مشغل كاميرا شديد الملاحظة.

كيف يعمل: بدلاً من مجرد التحديق في الوجه بأكمله، يقوم النظام بتقسيم الوجه إلى 60 "نافذة" صغيرة (مثل شبكة من البلاطات الصغيرة).
فحص الزاوية: يقوم النظام باستمرار بحساب زاوية كل نافذة صغيرة بالنسبة للكاميرا. إذا التفتت نافذة في منطقة الخد بعيدًا جدًا (مثل مغني يولي ظهره للكاميرا)، يدرك النظام: "مهلًا، هذه البلاطة غير واضحة وغير موثوقة الآن!".
الإصلاح: بدلاً من استخدام تلك البيانات السيئة، يقوم النظام فورًا باستبدالها ببيانات من بلاطة مجاورة لا تزال تواجه الكاميرا بوضوح. كما يكتشف ما إذا كان الرأس يدور بسرعة كبيرة (حركة شاملة) ويحدد تلك اللحظات للتعامل معها بعناية.

التشبيه: فكر في الأمر كأنه سباق تتابع. إذا تعثر أحد العدائين (جزء معين من الوجه) أو خرج عن مساره، يقوم النظام فورًا بتمرير العصا إلى زميله المجاور الذي لا يزال يركض بسلاسة، حتى لا يتوقف السباق (قياس نبض القلب) أبدًا.

الخطوة 2: "محقق إشارة الرسم البياني" (فريق إلغاء الضجيج)

المشكلة: حتى بعد إصلاح الزوايا، لا تزال البيانات مشوبة ببعض الضجيج. قد تتحرك بعض أجزاء الوجه بسبب حديث الشخص، بينما تكون أجزاء أخرى هادئة.

الحل: يستخدم المؤلفون وحدة ثانية تعمل بمث مثل فريق من المحققين يعملون معًا.

الشبكة: يعاملون نوافذ الوجه الستين الصغيرة هذه كعقد في شبكة اجتماعية.
القواعد: يدرك النظام أن الخد الأيسم والخد الأيمن "صديقان مقربان" (عادة ما يتحركان معًا)، بينما قد يكون الذقن والجبهة "أقارب بعيدين" (يتحركان بشكل مختلف).
التنظيف: ينظر النظام إلى جميع الإشارات الستين في وقت واحد. إذا كانت إشارة الجبهة تصرخ "أنا مليئة بالضوضاء!" بينما تهمس الخدود "نحن هادئون"، فإن النظام يثق في الهادئين ويقوم بتصفية الضجيج من الجبهة. يستخدم تقنية رياضية تسمى معالجة إشارة الرسم البياني (Graph Signal Processing) لتنعيم التعرجات، مما يؤدي فعليًا إلى إلغاء "التشويش" الناتج عن الحركة.

التشبيه: تخيل أنك في غرفة مزدحمة تحاول سماع شخص واحد يتحدث. إذا استمعت إلى الجميع في وقت واحد، فستكون الفوضى هي السائدة. ولكن إذا كان لديك 60 صديقًا يقفون حول الغرفة، وسألتهم أن يقارنوا ما يسمعونه، فيمكنهم معرفة من يتحدث بالفعل وتجاهل الثرثرة الخلفية. تقوم هذه الوحدة بنفس الشيء تمامًا بالنسبة لنبضات القلب.

النتيجة

عندما اختبر الباحثون "الراصد الموجه بالزاوية" و"محقق إشارة الرسم البياني" معًا:

اختبروه على ثلاث مجموعات بيانات عامة مختلفة (مثل مجموعات مختلفة من الناس الذين يتحركون حولهم).
النتيجة: أصبح النظام أكثر دقة بنسبة 20% في تخمين معدل ضربات القلب مقارنة بالطرق القياسية.
يعمل كترقية "جاهزة للاستخدام" (Plug-and-play)، مما يعني أنه يمكن إضافته إلى كاميرات قياس معدل ضربات القلب الموجودة لجعلها أكثر ذكاءً دون الحاجة إلى إعادة تصميم كاملة.

باختاً مختصراً: تعلم هذه الورقة البحثية الكمبيوتر كيفية تجاهل الزوايا السيئة والاستماع إلى الفريق بدلاً من الفرد، مما يسمح له بقياس معدل ضربات قلبك بدقة حتى لو كنت تتحدث، أو تبتسم، أو تحرك رأسك.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "تقدير معدل ضربات القلب القائم على الفيديو باستخدام تحسين مناطق الاهتمام الموجه بالزاوية وتخفيف الضجيج عبر إشارات الرسم البياني (Graph Signal Denoising)."

1. بيان المشكلة

تسمح تقنية قياس حجم الدم عن بُعد (rPPG) بتقدير معدل ضربات القلب (HR) دون تلامس من خلال فيديوهات الوجه عبر اكتشاف التغيرات الطفيفة في لون الجلد الناتجة عن نبضات حجم الدم. ومع ذلك، فإن أداء طرق rPPG الحالية يتدهور بشكل كبير في السيناريوهات الواقعية بسبب الآثار الناجمة عن الحركة (motion artifacts).

محدودية الطرق الحالية: تتعامل معظم الأساليب الحالية مع الوجه كمصدر إشارة واحد كلي أو تعتمد على نماذج التعلم العميق التي تتطلب مجموعات بيانات ضخمة. وغالبًا ما تفشل في مراعاة ما يلي:
- التباين الفسيولوجي: تظهر مناطق الوجه المختلفة (مثل الجبهة مقابل الذقن) جودة إشارة متفاوتة بسبب الحركة الموضعية (التحدث، التعبيرات) والحركة العالمية (دوران الرأس).
- الحساسية للزاوية: تنخفض جودة الإشارة الضوئية كلما انحرفت الزاوية بين منطقة الوجه والكاميرا، مما يؤدي إلى تغيرات في الإضاءة وفقدان الإشارة.
- الافتقار إلى نمذجة الارتباط: تتجاهل الطرق الحالية غالبًا الارتباطات الجوهرية بين الإشارات من مناطق الوجه المتعددة، وتفشل في الاستفادة من تكرار الإشارة (signal redundancy) لتخميد الضجيج.

2. المنهجية

يقترح المؤلفون إطار عمل يدمج وحدتين من نوع "التوصيل والتشغيل" (plug-and-play) متوافقتين مع طرق rPPG القائمة على نموذج الانعكاس (مثل PBV، وPOS، وOMIT). يتكون خط العمل من:

أ. وحدة التحسين التكيفي لمناطق الاهتمام (ROI) الموجهة بالزاوية

تعالج هذه الوحدة الحركة العالمية وتدهور الإشارة الناتج عن توجه الرأس.

اختيار منطقة الاهتمام (ROI): باستخدام MediaPipe، يتم اختيار 64 نقطة معلمية للوجه (الجبهة، الخدين، الذقن) لإنشاء 60 منطقة اهتمام مستطيلة صغيرة (20×20 بكسل).
تكميم الزاوية:
- يقوم النظام بتقدير متجه الناظم ثلاثي الأبعاد (3D normal vector) لكل مستوى ROI باستخدام المعالم ثلاثية الأبعاد ونقاط الزوايا ثنائية الأبعاد.
- يحسب الميزة الزاوية ( $C$ ) كزاوية بين ناظم الـ ROI ومتجه الكاميرا.
اكتشاف الحركة العالمية:
- يتم دمج الإشارات الزاوية من جميع الـ 60 منطقة عبر تحليل المكونات الرئيسية (PCA) لتوليد إشارة زاوية عالمية.
- ينتج عن المشتق من الدرجة الأولى لهذه الإشارة إشارة الحركة ( $S_{motion}$ ).
- تُصنف دورات دوران الرأس السريعة (السرعة الزاوية > $30^\circ/s$ لمدة تزيد عن 0.5 ثانية) كمتواليات حركة عالمية.
تنقية الإشارة:
- أثناء الحركة العالمية، تُعتبر مناطق الـ ROI ذات زوايا التوجه التي تزيد عن $60^\circ$ ذات جودة منخفضة.
- يتم استبدال ميزات RGB منخفضة الجودة بميزات أقرب جار عالي الجودة (بناءً على قرب نقطة المركز) للحفاظ على استمرارية الإشارة.

ب. وحدة تخفيف الضجيج المشترك متعدد المناطق عبر إشارات الرسم البياني (GSP)

تعمل هذه الوحدة على تخميد آثار الحركة من خلال نمذجة العلاقات بين الـ 60 منطقة اهتمام بشكل مشترك باستخدام معالجة إشارات الرسم البياني (GSP).

بناء الرسم البياني: يتم إنشاء مصفوفة مجاورة ( $A$ $A$ ) لـ 60 عقدة (منطقة اهتمام) بناءً على مجموع مرجح من ثلاثة مقاييس:
1. جودة إشارة العقدة ( $q_{ij}$ ): تعتمد على نسبة الطيف القدرتي في نطاق تردد ضربات القلب واستقرار الإطار البيني. العقد عالية الجودة داخل نفس المنطقة تحصل على أوزان أعلى.
2. الارتباط الإقليمي بين مناطق الـ ROI ( $r_{ij}$ ): وزن ثابت يعتمد على القرب التشريحي (مثلاً: خد-خد = 1.0، خد-جبهة = 0.6، جبهة-ذقن = 0.2).
3. اتساق الإشارة الزوجي ( $d_{ij}$ ): مزامنة ديناميكية تُقاس عبر ارتباط بيرسون للنافذة المنزلقة، ويتم خفض وزنها إذا كانت العقد منخفضة الجودة.
تخفيف الضجيج عبر تقدير MAP:
- تتم صياغة المشكلة كتقدير "الاحتمال الأقصى البعدي" (Maximum A Posteriori - MAP) لإيجاد إشارة نظيفة ( $S''_{bvp}$ ) من الملاحظات المشوشة ( $S'_{bvp}$ ).
- دالة الهدف: $\min \|S'_{bvp} - S''_{bvp}\|^2_2 + \lambda S''_{bvp}{}^\top L S''_{bvp}$ ، حيث $L$ هو مؤثر لابلاس للرسم البياني (Graph Laplacian) و $\lambda$ هو معامل التنظيم.
- الحل: الحل المغلق هو $\hat{S}''_{bvp} = (I + \lambda L)^{-1}S'_{btp}$ .
- تحسين الأوزان: يتم تعلم معاملات الوزن ( $w_1, w_2, w_3$ ) للمصفوفة المجاورة بشكل تكيفي باستخدام التدرج المتناقص (gradient descent) لتعظيم هدف MAP.
الدمج النهائي: يتم دمج الإشارات المنقاة بوزن يعتمد على الدورية والجودة، وتُزال الأجزاء المتأثرة بالحركة العالمية قبل دمج PCA النهائي لاستخراج معدل ضربات القلب.

3. المساهمات الرئيسية

تحسين منطقة الاهتمام الموجه بالزاوية: طريقة مبتكرة لتكميم الزوايا بين الـ ROI والكاميرا لاكتشاف حركة الرأس العالمية وتكييف استبدال الإشارات المتدهورة بجيران عالي الجودة، مما يحافظ على تكرار الإشارة.
تخفيف الضجيج المشترك متعدد المناطق عبر الرسم البياني: نهج قائم على الرسم البياني يعمل صراحةً على نمذجة الارتباطات داخل الإقليم وبين الأقاليم لتخفيف آثار الحركة، متجاوزاً مجرد تجميع الإشارات الفردية.
التوافق مع مبدأ "التوصيل والتشغيل": تم تصميم الوحدات لتكون قابلة للدمج مع خوارزميات rPPG الحالية القائمة على نموذج الانعكاس دون الحاجة لإعادة تدريب نماذج التعلم العميق.

4. النتائج التجريبية

تم التحقق من صحة الطريقة باستخدام ثلاث مجموعات بيانات عامة: COHFACE، و PURE، و MMPD، باستخدام مقاييس متوسط الخطأ المطلق (MAE) ومتوسط النسبة المئوية للخطأ المطلق (MAPE). تم اختبار الوحدات المقترحة مقابل ثلاث طرق rPPable أساسية: PBV، و POS، و OMIT.

تحسين الأداء: أدى التطبيق المشترك لكلا الوحدتين إلى تقليل كبير في MAE مقارنة بالنماذج الأساسية.
- متوسط خفض MAE: انخفاض بنسبة 20.38% في MAE مقارنة بالنموذج الأساسي عبر جميع مجموعات البيانات والطرق.
- مثال محدد (طريقة POS على مجموعة COHFACE): انخفض MAE من 5.18 (الأساسي) إلى 4.06 (الطريقة الكاملة).
- مثال محدد (طريقة OMIT على مجموعة PURE): انخفض MAE من 5.32 (الأساسي) إلى 3.78 (الطريقة الكاملة).
دراسات الاستئصال (Ablation Studies):
- إضافة وحدة التوجيه بالزاوية فقط حسنت النتائج مقارنة بالنموذج الأساسي.
- إضافة وحدة تخفيف الضجيج عبر الرسم البياني فوق وحدة التوجيه بالزاوية وفرت مكاسب إضافية كبيرة، مما يؤكد الطبيعة التكاملية للوحدتين.

5. الأهمية

يوضح هذا العمل أن النمذجة الصريحة للعلاقات الهندسية (الزوايا) و ارتباطات الإشارة (طوبولوجيا الرسم البياني) أمر بالغ الأهمية لضمان قوة تقنية rPPG في سيناريوهات الحركة.

المتانة: يقدم حلاً للمراقبة الفسيولوجية غير التلامسية في البيئات الواقعية حيث يتحرك الأشخاص، أو يتحدثون، أو يديرون رؤوسهم.
القدرة على التعميم: من خلال توافقه مع نماذج الانعكاس القياسية، فإنه يعزز أداء مسارات rPPG الحالية دون العبء الحسابي لتدريب الشبكات العصبية العميقة الضخمة.
الإمكانات السريرية: إن تحسين الدقة في السيناريوهات الديناميكية يجعل تقدير معدل ضربات القلب القائم على الفيديو أكثر جدوى للطب عن بُعد، والمراقبة الصحية المستمرة، وتقييم حالة السائق.