머리 미세 움직임을 활용한 비접촉 호흡수 측정

초록

본 연구는 가슴이 영상에 보이지 않을 때, 머리와 얼굴의 미세 움직임을 이용해 호흡수를 추정하는 방법을 제안한다. 12명의 피험자를 대상으로 RGB 영상에서 원시 픽셀 강도와 rPPG 신호를 추출하고, 경험적 모드 분해(EMD)와 신호‑대‑잡음비(SNR) 분석을 통해 호흡 주파수를 추정하였다. 가슴 영역에서는 거의 완벽한 정확도를 보였으며, 얼굴 영역에서도 rPPG보다 픽셀 기반 움직임 신호가 충분히 유의미한 결과를 제공함을 확인했다.

상세 분석

이 논문은 기존의 rPPG 기반 호흡 측정이 피부가 보이지 않을 경우 한계가 있다는 점에 주목하고, 흉부와 머리 사이의 기계적 결합으로 인한 미세한 머리 움직임을 호흡 신호로 활용할 가능성을 탐색한다. 실험은 120 fps, 1920 × 1080 해상도의 RGB 카메라로 얼굴과 상부 흉부를 촬영했으며, 각 영상은 10 픽셀 정사각형 서브 ROI로 분할하였다. 서브 ROI별로 빨강·초록·파랑 채널의 평균 픽셀 값을 구하고, 4 Hz 저역통과 FIR 필터로 고주파 잡음을 억제하였다. 움직임 기반 신호는 그대로 사용했으며, rPPG 신호는 적응형 최소제곱 필터를 적용해 전역 조명 변동을 보정하였다. 이후 각 신호에 대해 경험적 모드 분해(EMD)를 수행해 여러 IMF를 얻고, 각 IMF의 전력 스펙트럼 밀도(PSD)를 계산해 호흡 주파수 대역(0.1–0.4 Hz) 내에서 최대 진폭을 보이는 IMF를 호흡 신호로 선정하였다. 추정된 호흡 주파수는 서브 ROI별 SNR 가중치를 이용해 가중 중앙값으로 통합하였다. 결과는 가슴 영역에서 원시 RGB 기반 추정이 평균 오차 ±0.1 bpm 수준으로 거의 완벽했으며, 얼굴 영역에서는 rPPG가 가장 낮은 평균 오차를 보였지만, 빨강 채널 기반 픽셀 움직임도 비교적 작은 편차와 높은 SNR을 나타냈다. 파랑·초록 채널은 분산이 커서 신뢰도가 낮았다. 전체적으로 빨강 채널이 피부가 보이지 않는 경우에도 호흡 정보를 가장 효과적으로 전달한다는 점을 확인하였다. 연구는 또한 SNR이 낮은 경우에도 EMD가 호흡 관련 진동을 분리해낼 수 있음을 보여주며, 다채널 센서 융합을 통해 견고성을 향상시킬 여지를 제시한다.