반응형
오늘 소개할 논문은 Philips Research의 Gerard de Haan 팀이 발표한 "Improved motion robustness of remote-PPG by using the blood volume pulse signature" 입니다. 이 논문은 기존의 CHROM 방식보다도 더 높은 모션 강건성을 가지는 PBV(Pulse Blood Volume signature) 기반 rPPG 알고리즘을 제안한 매우 중요한 연구입니다.
🎯 배경
- 기존 rPPG 기법들은 다음과 같은 한계를 갖고 있었습니다:
- BSS 기반 (ICA, PCA 등)
- RGB 색상 채널을 통계적으로 분리
- 단점: 주기적이지 않은 운동 노이즈에 매우 취약
- 휴리스틱 기반으로 진짜 심박 신호를 골라야 함
- CHROM 방법 (de Haan, 2013)
- 컬러 차이(Chrominance)를 기반으로 움직임 노이즈 제거
- 상당히 강력했지만, 여전히 정해진 피부색 가정, 조명 변화 민감도 등 일부 한계 존재
- BSS 기반 (ICA, PCA 등)
- 이번 논문에서는 이보다 더 근본적인 방법으로, 피부의 혈류에 따른 색상 변화의 '고유한 방향', 즉 PBV 벡터를 정의하고 이를 통해 심박 신호를 정밀하게 추출하는 알고리즘을 제안합니다.
💡 핵심 개념: PBV (Pulse Blood Volume) Signature란?
- 기본 아이디어
- 혈류가 증가하면 피부색이 미세하게 바뀝니다.
- 이 색 변화는 RGB 공간에서 특정한 방향(벡터)을 가집니다.
- 이를 PBV (Pulse Blood Volume vector)라고 정의하고, 이 벡터를 중심으로 다른 노이즈(움직임, 조명 변화 등)와 구분하겠다는 전략입니다.
- 즉, 심박 신호가 R, G, B 채널에서 각각 얼마나 비율로 나타나는지가 고정되어 있다면, 이 비율을 기준으로 다른 색 변화는 제거할 수 있습니다.
🧪 제안 방법: PBV 기반 rPPG 알고리즘
- RGB 값 정규화 및 평균화
- 영상에서 얼굴 ROI를 기준으로 R, G, B 채널의 평균값을 프레임 단위로 계산
- PBV 벡터 계산
- 혈류가 증가할 때, 카메라 RGB 필터 응답과 피부 반사율, 광원의 스펙트럼을 고려하여 벡터 생성
- 해당 벡터와 유사한 방향의 신호만 통과
- 이 벡터와의 유사도 기준으로 심박 신호만 강화하고 나머지는 억제
- 단순 peak detection으로도 높은 정확도 확보
📈 성능 비교: CHROM vs PBV vs 기존 BSS
- 피트니스 상황 (운동 중 촬영 영상)
- 정확도(PERC): 심박수가 ground truth와 ±4.7 bpm 이내에 있을 확률
| 방법 | 정확도(PERC) | SNR 개선 |
| PBV | 68% | -4 db |
| CHROM | 60% | -5 db |
| ICA / PCA | ~40% 이하 | -7~-8 db |
- 정적 환경 (117명 실험실 환경)
- CHROM과 PBV 모두 r = 0.99 이상의 높은 상관계수
- SNR은 CHROM이 다소 높음 (PBV: 7.6 dB, CHROM: 8.4 dB)
- 하지만 PBV는 짧은 윈도우에서도 잘 작동, 더 적응적인 상황 대응 가능
- BSS 가이드 방식 추가 실험
- PBV 또는 CHROM을 기반으로 ICA/PCA에서 어떤 성분이 심박인지 고르는 기준 벡터로 사용
- 결과:
- Guided PCA + PBV가 가장 강한 움직임 환경에서 최고 성능
- 단점: 정적 상황에서는 오히려 성능 저하(SNR 감소)
✅ 결론 및 요약
| 항목 | CHROM | PBV |
| 정적 환경 | 우수 | 우수 (조금 낮은 SNR) |
| 동적 환경 | 다소 취약 | 강한 모션 강건성 |
| 계산 복잡도 | 낮음 | 낮음 |
| 하드웨어 종속성 | 적음 | 카메라 RGB 스펙 고려 필요 |
| 향후 응용성 | 좋음 | 매우 좋음 (실시간화 가능성 높음) |
📝 마무리
- PBV는 rPPG 기술의 "다음 단계"로, 실환경에서의 활용 가능성을 크게 확장시킨 연구입니다.
- 조명, 피부색, 운동 등 다양한 현실 조건 속에서도 보다 안정적으로 심박을 추정할 수 있는 알고리즘이기 때문이죠.
반응형