Over the last decade remote photoplethysmography (rPPG) algorithms have been developed extensively. As a result, pulse rate can now be accurately estimated by video data for still subjects. However, in realistic conditions both the accuracy of these algorithms and benchmark datasets are far from perfect. In this paper we propose a new rPPG method which enables heart rate detection by video from a standard webcam. The algorithm is robust with respect to such factors as illumination changes or the subject's movements, and can track fast pulse rate changes. To do that, the algorithm determines the approximate value of the pulse rate and then specifies it with high time resolution. In order to comprehensively study the proposed method, we collected a new dataset consisting of videos recorded in various challenging conditions of several categories as well as reference photoplethysmograms recorded synchronously with a contact pulse oximeter. The proposed method showed high performance under all conditions including blinking illumination, speech and large-amplitude movements. We tested two simplified versions of the algorithm, which provided competitive scores as well. However, with human movement videos the full method showed better results than its simplified versions (p<0.001). The proposed algorithm was tested on the existing UBFC-RPPG database and compared with previous methods. Our method showed high results (2.10 MAE, 3.43 RMSE).

在过去的十年中，远程光电容积描记术（rPPG）算法得到了广泛的发展。因此，现在可以通过静止对象的视频数据准确估算脉搏频率。但是，在现实条件下，这些算法和基准数据集的准确性均远非完美。在本文中，我们提出了一种新的rPPG方法，该方法可以通过来自标准网络摄像头的视频进行心率检测。该算法对于诸如照度变化或对象移动等因素具有鲁棒性，并且可以跟踪快速的脉搏率变化。为此，该算法确定脉率的近似值，然后以高时间分辨率指定它。为了全面研究提出的方法，我们收集了一个新的数据集，其中包括在各种挑战性条件下录制的几类视频以及与接触式脉搏血氧仪同步录制的参考光电容积描记图。所提出的方法在包括闪烁照明，语音和大幅度运动的所有条件下均显示出高性能。我们测试了该算法的两个简化版本，它们也提供了竞争得分。但是，对于人体运动视频，完整方法比其简化版本显示出更好的效果（p <0.001）。该算法在现有的UBFC-RPPG数据库上进行了测试，并与以前的方法进行了比较。我们的方法显示出很高的结果（2.10 MAE，3.43 RMSE）。所提出的方法在包括闪烁照明，语音和大幅度运动的所有条件下均显示出高性能。我们测试了该算法的两个简化版本，它们也提供了竞争得分。但是，对于人体运动视频，完整方法比其简化版本显示出更好的效果（p <0.001）。该算法在现有的UBFC-RPPG数据库上进行了测试，并与以前的方法进行了比较。我们的方法显示出很高的结果（2.10 MAE，3.43 RMSE）。所提出的方法在包括闪烁照明，语音和大幅度运动的所有条件下均显示出高性能。我们测试了该算法的两个简化版本，它们也提供了竞争得分。但是，对于人体运动视频，完整方法比其简化版本显示出更好的效果（p <0.001）。该算法在现有的UBFC-RPPG数据库上进行了测试，并与以前的方法进行了比较。我们的方法显示出很高的结果（2.10 MAE，3.43 RMSE）。该算法在现有的UBFC-RPPG数据库上进行了测试，并与以前的方法进行了比较。我们的方法显示出很高的结果（2.10 MAE，3.43 RMSE）。该算法在现有的UBFC-RPPG数据库上进行了测试，并与以前的方法进行了比较。我们的方法显示出很高的结果（2.10 MAE，3.43 RMSE）。