心率、呼吸率等生理指标的测量对于确定一个人的生理和心理状态非常重要，现有的生理指标测量方法主要有两种，一种是心电图，该方法通过记录心脏活动产生的生物电信号来获得，是当前最为精确的测量方式，但其需要专业人士利用专业设备，通过在人身上连接复杂的电极来进行测量，使用起来十分不便；另一种基于远程光电容积脉搏波描记法(remote photoplethysmography，rPPG)，这类方法采用普通摄像头在较远距离上进行信号采集，无需专业设备，也无需与被检测者发生接触，因而更加方便，具有更加广泛的应用前景。

基于rPPG的生理指标测量算法主要通过摄像头采集人的面部视频，并根据人脸皮肤对外部光照的吸收和反射所造成的颜色变化，从而推断出血流量的变化，并以此来测量出相应的生理指标。但头部的姿态和运动状况对光照在皮肤上的吸收和反射情况有影响，使得后面提取到的信号不稳定，那如何应对不稳定光照对rPPG模型的影响呢？如何提取更稳定的特征呢？

3月22日晚8点，「学术新青年讲座」第7讲特邀中国科学院计算技术研究所博士生牛雪松主讲，主题为《基于视频人脸分析的生理指标测量》。

在本次讲座中，牛雪松博士将从远程生理测量rPPG原理入手，讲解基于皮肤光照特性的rPPG和利用交叉验证解耦方式提取生理信息特征的方法，最后分析相关的应用案例和未来发展方向。

牛雪松是中国科学院计算技术研究所在读博士，导师山世光研究员。他的主要研究方向为情感计算，在博士期间主要研究课题为基于人脸视频的生理及情感状态分析，相关成果发表于CVPR、ECCV、NeurIPS、IEEE TIP等顶级会议与期刊上。