Refiro-me ao seguinte artigo: Medições cardíacas automatizadas sem contato, usando imagens de vídeo e separação de fontes cegas
No artigo acima, os autores são capazes de extrair o sinal de pulso cardíaco dos componentes RGB. Eu tento visualizar o processo da seguinte maneira.
R' = R + cardiac pulse
G' = G + cardiac pulse
B' = B + cardiac pulse
R ', G' e B 'são os componentes de cores observados pela câmera. R, G, B são os componentes de cor de uma pessoa, assumindo que ela não possui pulso cardíaco.
Parece que teremos 4 fontes (R, G, B, pulso cardíaco). Agora, estamos tentando obter 1 das 4 fontes (pulso cardíaco) de 3 sinais de mistura (R ', G', B ') usando ICA.
Isso faz sentido? Estou faltando algumas técnicas? Ou estou fazendo uma suposição errada sobre o processo?
fonte
Você está fazendo uma suposição errada sobre o processo. Na ACI , o número de misturas deve ser pelo menos o número de componentes. De fato, o artigo que você cita reconhece:
A conversão é meramente centrada e esferográfica dos dados, o que eu explico em outra resposta neste site.x_i^'=(x_i-\mu_i)/\sigma_i
Os casos considerados no artigo são o modelo da ACI silenciosa e a ACI barulhenta. Em outras palavras, as medidas da frequência cardíaca consideradas em repouso (não um modelo sem pulso, como você sugeriu) é o modelo da ACI:
onde é o vetor observado, é o vetor de componente subjacente e é a matriz de mistura.s Ax s A
Por outro lado, as medições da frequência cardíaca quando em movimento podem ser consideradas como
onde é um vetor de ruído (neste caso, os movimentos).n(t)
fonte
Quando há mais fontes do que sensores, o problema é chamado de ACI excessivamente completo ou ACI sub-determinado. Você pode pesquisar no google. Seu gabinete é mais tratável do que, por exemplo, um sensor e duas fontes e, se o seu modelo está realmente correto, você já conhece a matriz de mistura. Pode valer a pena procurar mais. Felicidades
fonte