Robust pulse rate from chrominance-based rppg (CHROM)

오늘 소개할 논문은 Philips Research의 Gerard de Haan 팀이 발표한 "Robust Pulse Rate From Chrominance-Based rPPG" 입니다. 이 논문은 rPPG 기술의 '모션 강건성' 문제를 획기적으로 해결한 대표적 연구로 꼽히며, 실용적인 알고리즘(CHROM 방법)을 제안한 것으로 잘 알려져 있습니다.

• Paper: https://ieeexplore.ieee.org/abstract/document/6523142

Robust Pulse Rate From Chrominance-Based rPPG

---

📌 개요

• 2013년 Philips Research의 Gerard de Haan 팀은 컬러 영상에서 피부의 미세한 색 변화(=혈류 변화)만을 추적하여, 움직임(motion)이 있어도 정확히 심박수를 추정할 수 있는 알고리즘(CHROM)을 개발했습니다. 특히 이 논문은 당시 한계로 지적되던 "움직임에 취약한 기존 방법"의 문제를 분석하고, 이론적 기반에서 더 나은 대안을 도출했다는 점에서 매우 중요한 연구입니다.

🎯 연구의 목표

• 기존의 rPPG(비접촉 광용적맥파) 방식은 다음과 같은 문제점을 안고 있었습니다:
  • RGB 영상에서 채널 간 혼합된 신호를 분리하기 위해 ICA, PCA 같은 통계적 기법(BSS)을 사용
  • 운동 상황(예: 헬스, 걸음, 고개 움직임)에서는 노이즈가 심해져 정확도 급감
  • 신호 선택이 휴리스틱(경험 기반)이라 재현성/일관성이 떨어짐
• 본 논문은 이 문제를 해결하기 위해 색상(chrominance) 기반 신호처리 기법을 새롭게 제안합니다.

🌈 CHROM 기반 알고리즘의 핵심 아이디어

• 색상의 변화에 주목하자
  • 피부색은 빛의 반사(표면 반사) + 산란(피부 속 혈류 변화)로 구성되며,
    • 혈류 변화는 피부 속 산란(diffuse reflection)에 영향을 줍니다.
    • 반면, 움직임은 표면 반사(specular reflection)에 영향을 주기 쉽습니다.
  • 따라서 "색상 차이"만을 활용하면 움직임에 강한 신호를 얻을 수 있다는 것이 핵심입니다.
• Chrominance 신호 생성 (CHROM 방식)
  • 기존 RGB 채널에서 다음과 같은 색상 기반 신호를 정의합니다:
    • $X = R - G$
    • $Y = 0.5 * (R + G) - B$
    • 이 두 색상 성분은 혈류 변화에 따라 다르게 반응하지만, 움직임 노이즈에는 유사하게 반응합니다.
  • 따라서 $X / Y$비율, 또는 $X - \alpha Y$ 방식으로 처리하면 움직임 노이즈 제거 + 혈류 신호 강조가 가능합니다.
• 최종 알고리즘: $X_{s} - \alpha Y_{s}$
  • $X_{s}$, $Y_{s}$: 위 chrominance 신호를 대역통과필터(Bandpass Filter, 0.7~4 Hz 등)를 통해 정제
  • $\alpha = \sigma (X_{s}) / \sigma (Y_{s})$: 표준편차 비율로 두 채널의 노이즈 크기를 보정
  • $S = X_{s} - \alpha Y_{s}$: 최종 심박 신호
  • 이 방식은 매우 간단한 선형 조합임에도 뛰어난 성능을 보입니다.

🧪 실험 설계

• 정적 환경: 117명의 피험자 얼굴을 1분간 정지 촬영, 다양한 피부색 포함
• 동적 환경: 자전거 타기(중간 운동), 스테퍼(격한 운동) 영상 촬영
• 비교 기법: 기존 ICA 기반(Poh et al.), PCA 기반(Lewandowska et al.)
• 평가 방법:
  • 정답(PPG 센서)과의 RMSE, SNR, Pearson 상관계수
  • 주파수 도메인 Peak detection 사용

📈 주요 결과

• 정적 상황(117명):
  • 대부분 피부색에서도 우수한 성능 유지 (단, 피부가 어두울수록 SNR 다소 감소)
  • 92% 경우에서 접촉식 PPG와 ±1.96σ 내 일치

방법	상관계수 r	RMSE (bpm)	SNR (dB)
CHROM	1.00	0.4	9.5
ICA (기존)	0.97	1.1	5.2
PCA (기존)	0.98	0.8	6.0

• 동적 상황 (운동 중 영상):
  • 자전거 타기:
    • CHROM: 98% 시간 동안 정확한 주파수 추정
    • ICA/PCA는 54~79%로 성능 하락
  • 스테퍼 운동:
    • CHROM: 48% 정확도
    • ICA: 4%, PCA: 11% → 사실상 실패
  • 결론: CHROM 기반은 짧은 분석 구간(1.6초)에서도 빠르게 적응, 반면 BSS 기반은 긴 구간(25초)이 필요하여 동적 상황에 부적합

🎯 의의

• 움직임 강건성 문제를 이론적 분석을 통해 해결한 최초의 연구
• 단순한 수식 기반으로도 높은 정확도 달성 가능함을 보여줌
• 이후 등장하는 rPPG 실시간 알고리즘의 표준이 되는 CHROM 방식 제안

⚠️ 한계

• 백색광(white light) 가정 필요 → 실제 환경에서는 조명 변화 대응 보완 필요
• 어두운 피부의 경우 SNR 감소 → 더 강한 조명 or IR 융합 필요

✅ 마무리

• CHROM 기반 rPPG는 rPPG 연구 역사에서 가장 중요한 전환점 중 하나로 평가됩니다. 복잡한 BSS가 아닌 색상 차이만으로도 강한 성능을 확보하며, 특히 운동 중 상황에서도 현실적으로 사용 가능한 비접촉 심박 측정 방법을 제시했기 때문입니다.