💻 computer science

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

Este artículo presenta un método para la estimación de la frecuencia cardíaca basada en video que mejora la precisión en escenarios de movimiento mediante dos módulos complementarios: una optimización adaptativa de la región de interés guiada por el ángulo y un filtrado de señales gráficas multirregional para eliminar artefactos.

Autores originales: Gan Pei, Junhao Ning, Boqiu Shen, Yan Zhu, Menghan Hu

Publicado 2026-04-15

📖 4 min de lectura☕ Lectura para el café

CC0 1.0

Autores originales: Gan Pei, Junhao Ning, Boqiu Shen, Yan Zhu, Menghan Hu

Artículo original dedicado al dominio público bajo CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tu corazón es un pequeño tambor que late constantemente dentro de tu pecho. Cuando late, empuja una pequeña oleada de sangre hacia tu piel, cambiando ligeramente el color de tu rostro (aunque nuestros ojos no lo vean). La tecnología rPPG intenta "escuchar" ese tambor usando solo una cámara de video, sin tocar tu piel. Es como intentar adivinar el ritmo de una fiesta mirando solo las luces de la habitación.

El problema es que, si te mueves, hablas o mueves la cabeza, la cámara se confunde. Es como intentar escuchar a un amigo en una fiesta ruidosa mientras él se mueve de un lado a otro; el ruido de la fiesta (el movimiento) tapa la voz del amigo (tu latido).

Este artículo presenta una solución inteligente con dos "superpoderes" para limpiar esa señal:

1. El "Detective de Ángulos" (Optimización de la Región de Interés)

Imagina que tienes 60 pequeños sensores (como 60 diminutos ojos) distribuidos por tu frente, mejillas y barbilla.

El problema: Si mueves la cabeza bruscamente, algunos de esos "ojos" miran hacia la pared o hacia arriba, lejos de la cámara. Desde esa posición, la luz no les llega bien y la señal que capturan es basura (ruido).
La solución: El sistema actúa como un detective de ángulos. Calcula constantemente hacia dónde mira cada "ojo". Si detecta que uno está mirando mal (por ejemplo, porque giraste la cabeza rápido), dice: "¡Ese ojo no sirve ahora!".
El truco: En lugar de usar la señal mala, el detective busca al "ojo" vecino que esté mirando bien y le pide que tome el relevo. Es como si, en un equipo de fútbol, si un jugador se cae, su compañero inmediato corre a cubrir su posición inmediatamente. Así, el sistema mantiene una señal limpia incluso cuando te mueves.

2. El "Director de Orquesta" (Denoising de Señales Gráficas)

Ahora que tenemos 60 señales (algunas de la frente, otras de las mejillas), tenemos un nuevo problema: ¿Cómo unimos todas esas voces para escuchar el latido real sin el ruido?

El problema: Si simplemente promediamos todas las señales, el ruido de un movimiento local (como hablar) arruinaría todo el cálculo.
La solución: Aquí entra el Director de Orquesta (procesamiento de señales gráficas). Imagina que cada "ojo" es un músico.
- El director sabe que los músicos de la misma sección (por ejemplo, los de la frente) suelen tocar la misma melodía (el latido del corazón).
- También sabe que los músicos de secciones vecinas (frente y mejilla) están conectados, pero quizás con un volumen diferente.
- El director usa un mapa de conexiones (un gráfico) para escuchar a todos a la vez. Si un músico (una zona de la cara) empieza a tocar una nota falsa (ruido por movimiento), el director dice: "Espera, los otros 59 músicos están tocando la nota correcta, así que esa nota falsa es un error. Vamos a ignorarla y reforzar la nota correcta".

¿Qué logran juntos?

Al combinar al Detective de Ángulos (que cambia los sensores malos por buenos) y al Director de Orquesta (que limpia el ruido comparando a todos los sensores entre sí), el sistema logra:

Ignorar el movimiento: Ya no importa si hablas o mueves la cabeza; el sistema sabe qué partes de la cara están "confiando" y cuáles no.
Encontrar el latido real: Al comparar las señales entre sí, el ruido se cancela y el latido del corazón se destaca como un solista claro en medio de la orquesta.

En resumen:
Antes, si te movías, el sistema de medición de ritmo cardíaco por video fallaba. Ahora, con estos dos módulos, el sistema es como un equipo de seguridad inteligente: uno vigila quién está en la mejor posición para ver y el otro asegura que todos trabajen en equipo para filtrar el ruido. Los resultados muestran que esto reduce los errores en un 20%, haciendo que medir tu corazón con una cámara sea mucho más preciso, incluso si no estás quieto.

Aquí presento un resumen técnico detallado del artículo "Video-Based Heart Rate Estimation with Angle-Guided ROI Optimization and Graph Signal Denoising" en español, estructurado según los puntos solicitados.

1. El Problema

La fotopletismografía remota (rPPG) permite medir la frecuencia cardíaca (FC) de forma no invasiva a partir de videos RGB de la piel. Sin embargo, su rendimiento se degrada significativamente en escenarios reales debido a artefactos de movimiento, como hablar, gestos faciales o sacudidas de la cabeza.

Los desafíos principales identificados son:

Tratamiento holístico insuficiente: La mayoría de los métodos existentes tratan la cara como una única fuente de señal, promediando toda la región facial. Esto ignora la heterogeneidad fisiológica y las perturbaciones locales específicas de ciertas zonas.
Ruido diverso: Existen fuentes de ruido globales (rotación de la cabeza) y locales (expresiones faciales), que afectan de manera diferente a la calidad de la señal en distintas regiones de interés (ROI).
Falta de correlación inter-regional: Se subutiliza la redundancia de la señal y las correlaciones entre diferentes regiones faciales para corregir el ruido.

2. Metodología

Los autores proponen un marco de trabajo que integra dos módulos "plug-and-play" (compatibles con métodos basados en modelos de reflexión existentes) para optimizar la estimación de la FC. El flujo de trabajo se divide en dos etapas principales:

A. Módulo de Optimización Adaptativa de ROI Guiada por Ángulo (Angle-guided ROI Adaptive Optimization)

Este módulo busca refinar las señales de las regiones de interés antes de la extracción de la señal de pulso de volumen sanguíneo (BVP).

Detección de Movimiento Global: Utiliza los 468 puntos de referencia faciales de MediaPipe para seleccionar 60 ROIs (frente, mejillas y barbilla). Calcula un "ángulo" entre el plano de cada ROI y la cámara.
Señal de Movimiento: Fusiona las señales angulares de las 60 ROIs mediante Análisis de Componentes Principales (PCA) para obtener una señal global de movimiento. Se identifican secuencias de movimiento rápido (velocidad angular > 30°/s durante > 0.5s).
Reemplazo de Señales: Durante movimientos globales rápidos, la calidad de la iluminación y la señal se deteriora. El sistema reemplaza las ROIs de baja calidad (ángulo > 60° respecto a la cámara) por sus vecinos más cercanos de alta calidad, preservando la redundancia de la señal.

B. Módulo de Desruido de Señal Gráfica Conjunta Multi-Región (Multi-region Joint Graph Signal Denoising)

Una vez extraídas las señales BVP ruidosas de las 60 ROIs, este módulo utiliza el procesamiento de señales gráficas para eliminar el ruido residual.

Construcción del Grafo: Se construye una matriz de adyacencia ( $A$ $A$ ) de $60 \times 60$ $60 \times 60$ que modela las relaciones entre las ROIs basándose en tres métricas ponderadas:
1. Calidad de la Señal del Nodo: Evalúa la relación de potencia espectral en la banda de FC y la estabilidad inter-frame.
2. Correlación Regional Inter-ROI: Asigna pesos basados en la anatomía (ej. las mejillas tienen mayor conexión entre sí que con la barbilla).
3. Consistencia de Señal Pareada: Mide la sincronización dinámica (correlación de Pearson) entre pares de nodos en ventanas temporales.
Desruido MAP: Se aplica un estimador de Máxima A Posteriori (MAP) para encontrar la señal limpia ( $S''_{bvp}$ ) minimizando la diferencia con la señal observada y la suavidad en el grafo (Laplaciano combinatorio).
Optimización de Pesos: Los coeficientes de ponderación de las tres métricas se aprenden adaptativamente mediante descenso de gradiente para maximizar la calidad de la señal final.
Fusión Final: Las señales desruidas se fusionan por regiones (ponderadas por periodicidad y calidad), se eliminan los segmentos de movimiento global y se aplica PCA para obtener la señal BVP final.

3. Contribuciones Clave

Módulo de Optimización Guiada por Ángulo: Un enfoque novedoso que cuantifica los ángulos ROI-Cámara para detectar y mitigar el ruido global de movimiento, reemplazando dinámicamente las ROIs degradadas sin perder redundancia de señal.
Desruido Gráfico Multi-Región: La primera aplicación de procesamiento de señales gráficas para modelar conjuntamente las correlaciones intra e inter-regionales de las señales rPPG, aprovechando la redundancia espacial para suprimir artefactos de movimiento.
Compatibilidad y Validación: Los módulos son agnósticos al algoritmo de extracción de señal (funcionan con PBV, POS, OMIT) y han sido validados exhaustivamente en múltiples conjuntos de datos públicos.

4. Resultados

Los experimentos se realizaron en tres conjuntos de datos públicos: COHFACE, PURE y MMPD. Se compararon tres métodos base de rPPG (PBV, POS, OMIT) con y sin los módulos propuestos.

Reducción del Error: El uso conjunto de ambos módulos redujo significativamente el Error Absoluto Medio (MAE) en comparación con la línea base.
- La reducción promedio del MAE fue del 20.38% sobre la línea base.
- Por ejemplo, en el conjunto de datos PURE con el método POS, el MAE bajó de 5.88 (línea base) a 4.21 con la solución completa.
Estudios de Ablación: Los resultados confirman que cada módulo contribuye individualmente a la mejora:
- La optimización de ROI (AGROI) mejora la extracción de la señal.
- El desruido gráfico (GSD) mejora el procesamiento posterior, logrando los mejores resultados cuando se combinan ambos.

5. Significancia e Impacto

Este trabajo demuestra que la optimización guiada por ángulo y el desruido basado en grafos son estrategias efectivas para superar las limitaciones actuales de la rPPG en escenarios de movimiento.

Robustez: Ofrece una solución más robusta para el monitoreo fisiológico no contactante en condiciones del mundo real (donde el movimiento es inevitable).
Generalización: Al ser módulos modulares, pueden integrarse fácilmente en pipelines de rPPG existentes sin necesidad de reentrenar modelos profundos desde cero.
Aplicación: Facilita el uso de la rPPG en telemedicina, monitoreo de salud continuo y evaluación del estado del conductor, donde la precisión bajo movimiento es crítica.