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

Resumo Técnico: Estimativa de Frequência Cardíaca Baseada em Vídeo com Otimização de ROI Guiada por Ângulo e Remoção de Ruído por Sinal Gráfico

1. Problema Identificado

A fotopletismografia remota (rPPG) permite a medição não invasiva da frequência cardíaca (FC) a partir de vídeos faciais RGB, extraindo variações sutis de cor na pele induzidas pela atividade cardíaca. No entanto, a robustez desses métodos é severamente comprometida por artefatos de movimento, como falar, expressões faciais e, principalmente, movimentos da cabeça (rotação e balanço).

Os desafios principais abordados no artigo são:

• Heterogeneidade Fisiológica e de Movimento: Diferentes regiões do rosto apresentam características de sinal distintas devido a perturbações locais (ex.: falar afeta mais a boca que a testa). Tratar o rosto como um único sinal agregado ignora essa variabilidade e degrada o desempenho.
• Ruído Global vs. Local: Movimentos rápidos da cabeça alteram drasticamente o ângulo entre as regiões de interesse (ROI) e a câmera, degradando a qualidade da iluminação e do sinal, enquanto movimentos locais causam ruídos regionais.
• Subutilização de Redundância: Métodos existentes frequentemente falham em explorar as correlações e a redundância entre múltiplas ROIs faciais para mitigar o ruído.

2. Metodologia Proposta

Os autores propõem dois módulos "plug-and-play" que podem ser integrados a métodos rPPG baseados em modelos de reflexão existentes. O pipeline geral é ilustrado na Figura 2 do artigo e consiste em:

A. Módulo de Otimização Adaptativa de ROI Guiada por Ângulo (Angle-guided ROI Adaptive Optimization)

• Detecção de Movimento Global: Utiliza o MediaPipe para obter 468 pontos de referência faciais 3D. Selecionam-se 60 ROIs (19 na testa, 18 em cada bochecha, 5 no queixo).
• Cálculo de Ângulo: Para cada ROI, calcula-se um "sinal angular" ($C$) baseado no produto escalar entre o vetor normal do plano da ROI e o vetor da câmera. Isso quantifica o desvio de orientação.
• Identificação de Movimento: A fusão via PCA dos sinais angulares de todas as 60 ROIs gera um sinal global de movimento ($S_{motion}$). Intervalos com velocidade angular superior a $30^\circ/s$ por mais de 0,5s são classificados como "movimento global".
• Otimização do Sinal: Durante movimentos globais, as ROIs com ângulo de orientação inferior a $60^\circ$ em relação à câmera são consideradas de baixa qualidade. Seus sinais RGB são substituídos pelos sinais das ROIs vizinhas de maior qualidade (baseado na proximidade do centro), preservando a redundância do sinal enquanto mitiga o ruído de iluminação.

B. Módulo de Remoção de Ruído de Sinal Gráfico Multi-Região (Multi-region Joint Graph Signal Denoising)

• Construção do Grafo: Após a extração do sinal BVP (Pulso de Volume Sanguíneo) das 60 ROIs, constrói-se uma matriz de adjacência ($A$) ponderada por três fatores:
  1. Qualidade do Sinal do Nó ($q_{ij}$): Baseada na razão do espectro de potência na faixa de FC e na estabilidade inter-frame.
  2. Correlação Regional Inter-ROI ($r_{ij}$): Define pesos baseados na anatomia (ex.: bochechas e testa têm maior conexão que testa e queixo).
  3. Consistência do Sinal Par a Par ($d_{ij}$): Medida pela correlação de Pearson em janelas deslizantes, ponderada pela qualidade dos nós.
• Denoising (Remoção de Ruído): Aplica-se um estimador de Máxima A Posteriori (MAP) para sinais gráficos. O problema é formulado como a minimização da diferença entre o sinal observado e o limpo, regularizada pelo Laplaciano do grafo ($L$).
• Otimização de Pesos: Os coeficientes de ponderação ($w_1, w_2, w_3$) da matriz de adjacência são aprendidos adaptativamente usando descida de gradiente para maximizar a qualidade do sinal denoised.
• Fusão Final: Os sinais denoised são fundidos por região (ponderados por periodicidade e qualidade), removem-se os segmentos de movimento global e aplica-se PCA para obter o sinal BVP final.

3. Principais Contribuições

1. Módulo de Otimização Guiada por Ângulo: Introduz uma abordagem para detectar e compensar movimentos globais da cabeça substituindo ativamente ROIs degradadas por vizinhas de alta qualidade, mantendo a redundância do sinal.
2. Módulo de Denoising por Sinal Gráfico: Propõe um modelo conjunto que explora correlações intra e inter-regionais entre múltiplas ROIs faciais, utilizando processamento de sinais gráficos para suprimir artefatos de movimento de forma mais eficaz que a filtragem tradicional.
3. Validação Robusta: Demonstração de que a combinação desses módulos é compatível com diversos métodos baseados em reflexão (PBV, POS, OMIT) e melhora significativamente a precisão em cenários com movimento.

4. Resultados Experimentais

Os métodos foram validados em três conjuntos de dados públicos: COHFACE, PURE e MMPD. A métrica principal foi o Erro Médio Absoluto (MAE).

• Desempenho Geral: O uso conjunto dos dois módulos resultou em uma redução média de 20,38% no MAE em relação à linha de base (métodos tradicionais sem os módulos propostos).
• Exemplos Específicos (Dataset COHFACE):
  • Método OMIT (Linha de base): MAE de 4,76.
  • OMIT + Módulo de Otimização (AGROI): MAE de 4,33.
  • OMIT + Ambos os Módulos (AGROI + GSD): MAE de 3,84.
• Estudos de Ablação: A comparação entre as etapas intermediárias (apenas otimização vs. otimização + denoising) confirmou que cada módulo contribui individualmente para a melhoria, sendo o módulo de denoising gráfico particularmente eficaz na supressão de ruídos residuais.

5. Significado e Conclusão

Este trabalho demonstra que a modelagem explícita da geometria da cabeça (ângulos) e a exploração das correlações espaciais entre múltiplas regiões faciais através de teoria de grafos são estratégias poderosas para superar as limitações atuais da rPPG em cenários do mundo real.

A solução proposta oferece um caminho robusto e generalizável para o monitoramento fisiológico não invasivo, permitindo que sistemas de saúde remota e avaliação de estado do motorista funcionem com maior precisão mesmo quando os usuários estão falando ou movendo a cabeça, um cenário onde os métodos tradicionais falham frequentemente.