基于3D卷积神经网络（3D CNN）的rPPG信号提取方法

本发明公开了一种基于3D卷积神经网络(3D CNN)的远程光电容积描记(rPPG)信号提取方法，属于图像处理与生理信号检测技术领域。针对传统方法在复杂场景(光照变化、运动干扰)下时空信息利用不足的问题，提出通过3D CNN进行时空特征融合，结合编码器‑解码器结构和注意力机制增强特征表达。方法包括：提取人脸视频的连续时间差异特征，经3D CNN生成时空融合特征，通过编解码器增强后输出rPPG信号。创新性提出自监督训练方法，采用数据增强、时间周期对齐和正负样本对比提升模型泛化能力。实验表明，该方法将心率估计误差降至1BPM以内，信噪比提升至1.8dB，运动鲁棒性优于传统算法。适用于非接触式心率监测、呼吸频率检测等场景，具有高精度和强抗干扰特性，为智能健康监测提供了可靠技术方案。