Thesis (MSc) - Cyprus International University. Institute of Graduate Studies and Research Bioengineering Department

Includes bibliography (sheets 29-30)

ABSTRACT
A person's heart rate is a crucial measure of their physiological status. Recently,
numerous articles have described techniques for remotely determining the heart rate
from facial videos. These techniques function admirably on stationary subjects in wellcontrolled settings, but when videos are captured in more difficult circumstances,
specifically when subjects move around and the lighting changes, their performance
suffers noticeably. We propose a paradigm combining facial detection with NLMS
techniques to mitigate these effects. We tested our approach on the sizable,
challenging, and open MAHNOB-HCI-LABEL database. The result of the VisualFHR database analysis was nearly perfect with a MeRate of 3% and r (0.99). HRerror
distribution from the MANHOB-HECL-LABEL analysis of 420 cases showed
(82.3%) with errors fewer than 5 bpm. In the HRmonitor for game assessment, the
error value was observed to be 1.91%. From these results, we showed that the
technique used in this study significantly outperforms all other techniques, eliminates
the challenges faced in monitoring heart rate using face video and also enhances an
effective heart rate measurement.
Keywords: Face, Heart rate, Lighting, MAHNOB-HCI database, Videos, techniques.

ÖZET
Bir kişinin kalp atış hızı, fizyolojik durumunun çok önemli bir ölçüsüdür. Son
zamanlarda, çok sayıda makale, yüz videolarından kalp atış hızını uzaktan belirlemeye
yönelik teknikleri açıkladı. Bu teknikler, iyi kontrol edilen ayarlarda sabit nesneler
üzerinde takdire şayan bir şekilde çalışır, ancak videolar daha zor koşullarda
çekildiğinde, özellikle nesneler hareket ettiğinde ve ışıklandırma değiştiğinde,
performansları gözle görülür şekilde düşer. Bu etkileri azaltmak için yüz algılamayı
NLMS teknikleriyle birleştiren bir paradigma öneriyoruz. Yaklaşımımızı oldukça
büyük, iddialı ve açık MAHNOB-HCI-LABEL veri tabanında test ettik. VisualF-HR
veritabanı analizinin sonucu, %3'lük bir MeRate ve r (0,98) ile neredeyse
mükemmeldi. 420 vakanın MANHOB-HECL-LABEL analizinden elde edilen HR
hata dağılımı, 5 bpm'den daha az hatayla (%82,3) gösterdi. HRmonitor için oyun
değerlendirmesinde ise hata değerinin %1,67 olduğu gözlemlendi. Bu sonuçlardan, bu
çalışmada kullanılan tekniğin diğer tüm teknikleri önemli ölçüde geride bıraktığını,
yüz videosu kullanarak kalp atış hızı izlemede karşılaşılan zorlukları ortadan
kaldırdığını ve ayrıca etkili bir kalp atış hızı ölçümünü geliştirdiğini gösterdik.
Anahtar Kelimeler: Nabız, Yüz, Videolar, Teknikler, Aydınlatma, MAHNOB-HCI
veri tabanı