LADH (Long-term Altitude Daily Health)

LADH数据集是由清华大学的研究团队创建的，包含来自21名参与者在五种常见个人护理场景下的240个同步RGB和红外（IR）面部视频。这些视频与真实的生理信号（如脉搏血氧饱和度、呼吸和血氧信号）同步记录，旨在解决日常护理场景中生理信号监测的挑战。该数据集的创建过程严格遵循了数据收集协议，并确保了视频与生理信号的精确同步。LADH数据集主要用于评估远程光电容积脉搏波描记术（rPPG）在真实世界环境中的鲁棒性，并探索多模态融合和多任务学习对生理信号预测的改进效果。The LADH dataset was developed by a research team from Tsinghua University. It contains 240 synchronized RGB and infrared (IR) facial videos from 21 participants across five common personal care scenarios. These videos are synchronously recorded alongside real physiological signals including pulse oximetry, respiratory and blood oxygen signals, aiming to address the challenges of physiological signal monitoring in daily care scenarios. The construction of this dataset strictly adheres to the standardized data collection protocol, and ensures precise synchronization between the videos and the corresponding physiological signals. The LADH dataset is primarily used to evaluate the robustness of remote photoplethysmography (rPPG) in real-world environments, and to explore the improvements brought by multimodal fusion and multi-task learning for physiological signal prediction.

原始信息汇总

LADH数据集概述

数据集简介

• 全称：Non-Contact Health Monitoring During Daily Personal Care Routines
• 采集机构：青海大学
• 数据内容：240段同步非接触式面部视频（包含RGB和红外两种模态）
• 应用目标：验证rPPG技术在日常生活护理场景中的准确性和优越性

数据采集详情

• 参与者：21名（分两组：10名单日采集，11名连续10天采集）
• 采集场景：5种日常场景
  1. 静坐
  2. 坐姿刷牙梳头
  3. 站立
  4. 站姿刷牙梳头
  5. 运动后状态
• 生理信号：
  • PPG（光电容积图）
  • 呼吸频率（RR）
  • 血氧饱和度（SpO2）

技术参数

• 视频参数：
  • 分辨率：640×480像素
  • 帧率：30 FPS
• 信号采样率：
  • PPG信号：20 Hz
  • 呼吸波形：50 Hz
• 采集设备：
  • 面部视频：相机模块（RGB+红外）
  • 生理信号：
    • CMS50E脉搏血氧仪（PPG/SpO2）
    • HKH-11C呼吸传感器

实验流程

1. 静坐状态（2分钟）：
   • 佩戴呼吸传感器和血氧仪
   • 保持静止注视摄像头
2. 坐姿活动（2分钟）：
   • 保持相同设备配置
   • 执行刷牙/梳头动作
3. 站立状态（2分钟）：
   • 站立姿势采集
4. 站姿活动（2分钟）：
   • 站立姿势执行刷牙/梳头动作
5. 运动后状态（2分钟）：
   • 进行体能运动后采集

搜集汇总

数据集介绍

构建方式

在远程光电容积描记技术（rPPG）领域，LADH数据集的构建采用了多模态同步采集策略，通过高精度时间同步系统，同时记录21名参与者在五种日常个人护理场景下的RGB与红外面部视频。数据采集过程中，WN-12207K3321SM290摄像模块以640×480分辨率、30帧率捕获视频，并配合CMS50E脉搏血氧仪和HKH-11C呼吸传感器获取PPG、血氧饱和度和呼吸频率等生理信号。特别设计了包含静坐、站立及刷牙/梳头等遮挡场景的10天纵向实验协议，所有数据均通过PhysRecorder框架实现毫秒级同步，确保了时间序列数据的一致性。

特点

作为首个针对高海拔环境长期健康监测的rPPG数据集，LADH的突出特点体现在其多模态融合架构与真实场景挑战性。数据集包含240段同步RGB-IR视频，覆盖静息状态、个人护理活动及运动后恢复等生理变化阶段，特别模拟了刷牙梳头导致的面部遮挡场景。相较于PURE、UBFC-rPPG等传统数据集，LADH创新性地引入红外视频模态，在环境光变化条件下仍能保持信号稳定性，其标注的PPG、SpO2和呼吸信号平均绝对误差分别达到4.99 BPM、1.29%和1.43次/分钟，为研究遮挡场景下的生理信号重建提供了基准。

使用方法

该数据集支持三种典型应用范式：跨模态融合研究可通过对比RGB与IR视频的特征提取效果，优化非接触式生理监测模型；时序分析可利用10天纵向数据探究个体生理参数波动规律；多任务学习框架则支持同步预测心率、血氧和呼吸频率。具体使用时，建议采用论文提出的FusionPhysNet架构，其门控特征选择机制能自适应调节双模态权重。数据已按7:2:1比例划分为训练-验证-测试集，支持基于受试者或天数的交叉验证策略，用户可通过GitHub开源代码直接加载同步后的视频片段与生理信号时间戳。

背景与挑战

背景概述

LADH (Long-term Altitude Daily Health) 数据集由Qinghai大学、清华大学和美国华盛顿大学的研究团队于2025年联合发布，旨在推动非接触式健康监测技术在日常生活场景中的应用。该数据集聚焦高海拔环境下日常个人护理活动（如刷牙、梳头）中的生理信号监测，包含21名参与者连续10天的240段同步RGB-红外面部视频，以及PPG、呼吸频率和血氧饱和度等真实生理数据。作为首个针对长期个人护理场景的多模态rPPG数据集，LADH填补了传统数据集（如PURE、UBFC-rPPG）在动态活动监测方面的空白，为智能镜子等日常健康监测设备的发展提供了重要数据支撑。

当前挑战

该数据集主要解决两个层面的挑战：在领域问题层面，需克服环境光照变化、手部运动遮挡和动态面部姿态对rPPG信号提取的干扰，其创新性RGB-IR融合方案将心率估计误差降低至4.99 BPM；在构建过程层面，研究团队面临高海拔地区血氧信号采集稳定性、10天连续监测的数据同步精度（毫秒级）、以及刷牙等动作导致的面部区域持续遮挡等技术难题。多任务学习框架的引入进一步解决了心率、血氧和呼吸频率等多生理参数同步预测的模型优化问题。

常用场景

经典使用场景

在远程光电容积描记术（rPPG）研究中，LADH数据集因其独特的多模态同步设计和长期连续采集特性，成为评估非接触式生理监测算法鲁棒性的黄金标准。该数据集特别适用于模拟真实个人护理场景下的心率、血氧和呼吸率联合估计任务，研究者通过其RGB-IR双模态视频与地面真实生理信号的精确对齐，能够系统探究动态面部遮挡、环境光照变化等干扰因素对信号恢复的影响。

实际应用

该数据集支撑的算法已应用于智能卫浴场景的健康监测系统开发，如集成红外摄像头的医疗镜可通过刷牙时的面部视频实时监测心血管指标。在高原健康监护领域，其包含的低氧环境数据为开发抗运动伪影的血氧预测模型提供了关键训练素材，相关技术正转化为养老机构的跌倒预警系统和运动员恢复监测方案。

衍生相关工作

基于LADH衍生的FusionPhysNet模型开创了多任务生理信号联合解码新范式，后续研究如Spiking-PhysFormer将其脉冲神经网络架构引入rPPG领域。该数据集还催生了PhysBench基准框架的迭代升级，并支持了《Multi-domain Mobile Video Physiology Dataset》等跨数据集对比研究，推动建立了日常场景rPPG评估的标准化协议。