Soleimani's Dataset

Dale5/13/25

以下内容由这个数据库的readme.txt文件翻译而来。

简介

dPPG PFT 数据集由布里斯托大学计算机科学系视觉信息实验室发布，包含 35 名受试者在进行用力肺活量（FVC）和缓慢肺活量（SVC）肺功能测试时的体表深度信息。数据集共计 300 个 PFT 序列，并包含每个序列的肺量计（spirometer）数据作为验证基准。

适用于：深度视觉、呼吸监测、医学信号处理等研究
采集方式：双 Kinect 深度相机（前后各一），同步采集
公开时间：2018 年 2 月
主要联系人：Vahid Soleimani
数据集主页：A Dataset for Depth-Based Whole Body Photoplethysmography in Remote Pulmonary Function Testing

dPPG_dataset/
├── subject_01/
│ ├── 1/
│ │ ├── calibration_params/
│ │ ├── data_bKinect/
│ │ ├── data_fKinect/
│ │ ├── intraKinect_synchronisation/
│ │ ├── results/
│ │ └── spirometer/
│ ├── 2/
│ └── ...
├── subject_02/
│ ├── 10/
│ └── ...
├── ...
├── subject_PFT_index.txt
├── subjects_meta.txt
├── Data_Acquisition_guidance.pdf
└── blank_consent_form.pdf

每个 PFT 序列包含：

calibration_params/：Kinect 标定参数（焦距、主点、旋转/平移矩阵）
data_bKinect/、data_fKinect/：后/前 Kinect 深度帧（PNG）、骨骼数据、元数据
intraKinect_synchronisation/：同步信息
results/：三篇论文的实验结果（详见下文）
spirometer/：肺量计测量数据（体积-时间、流量-时间、PFT 指标）

评价指标

NL2：归一化 L2 误差
FRD：Fréchet 距离
DTW：动态时间规整距离
R²：决定系数

论文与引用

如在研究中使用本数据集，请引用：

V. Soleimani, M. Mirmehdi, D. Damen, M. Camplani, S. Hannuna, C. Sharp, J. Dodd.
"Depth-based Whole Body Photoplethysmography in Remote Pulmonary Function Testing".
IEEE Transactions on Biomedical Engineering (TBME). 论文链接

如何从前后 Kinect PNG 深度帧恢复 3D 点云

读取深度帧：
- 使用如 OpenCV、PIL 等库读取 PNG 格式的深度图像。
- 每个像素值代表该点的深度（单位通常为毫米）。
像素坐标转相机坐标：
- 利用相机内参（焦距 Fx, Fy，主点 Px, Py）将像素 (u, v) 和深度 d 转换为相机坐标 (X, Y, Z)：
```
X = (u - Px) * d / Fx
Y = (v - Py) * d / Fy
Z = d
```
后 Kinect 点云配准到前 Kinect：
- 使用 calibration_params 文件中的旋转矩阵 R 和平移向量 T，将后 Kinect 点云变换到前 Kinect 坐标系：
```
[Xf, Yf, Zf]^T = R * [Xb, Yb, Zb]^T + T
```
- 其中 [Xb, Yb, Zb] 为后 Kinect 点云坐标，[Xf, Yf, Zf] 为配准后的坐标。
合并点云：
- 将前后 Kinect 的点云合并，获得完整的 3D 体表点云。

详细实现可参考官方开源代码

Soleimani's Dataset

简介

数据集结构

每个 PFT 序列包含：

评价指标

论文与引用

相关论文

如何从前后 Kinect PNG 深度帧恢复 3D 点云