ToTMNet：基于Toeplitz矩阵的高效rPPG心率检测技术

1. 项目概述：ToTMNet的创新与价值

远程光电容积描记技术（rPPG）正在彻底改变我们获取生命体征的方式。这项技术仅通过普通摄像头捕捉的面部视频，就能提取出血容量脉冲（BVP）波形和心率等关键生理指标。想象一下，未来我们只需用手机自拍就能完成基础健康检查——这正是rPPG技术带来的可能性。然而，这项技术面临的核心挑战是如何从微弱的皮肤颜色变化中（通常只有0.2%的信号强度）准确分离出脉搏信号。

传统信号处理方法（如POS、CHROM等）依赖精心设计的颜色空间投影和滤波，但在复杂光照或运动场景下表现受限。深度学习模型虽然提升了鲁棒性，但主流时序建模方法（如注意力机制）存在明显的效率瓶颈：计算复杂度随视频长度呈二次方增长，导致模型参数量庞大，难以部署在资源受限的边缘设备上。

ToTMNet的突破在于用数学上优雅的Toeplitz矩阵结构重构了时序建模方式。这种具有恒定对角线的特殊矩阵，天然适合表示生理信号的周期性特征。通过FFT加速，模型仅需线性参数就能实现全序列时序感受野，计算复杂度降至近线性（O(TlogT)）。更巧妙的是，团队设计了门控机制动态调节局部卷积与全局Toeplitz混合的贡献，使模型能智能应对运动干扰等非平稳噪声。

2. 核心架构解析：当Toeplitz遇见rPPG

2.1 空间特征提取：轻量而高效的起点

模型输入是72×72像素的面部ROI视频片段（T=180帧）。空间特征提取采用金字塔式CNN结构，每帧独立处理：

• 3层深度可分离卷积（kernel=3×3，stride=2）逐步下采样
• 全局平均池化将每帧压缩为32维特征向量
• 输出张量Z∈ℝ^(B×T×d)，其中d=32为嵌入维度

这种设计将计算重心放在后续时序处理，符合rPPG信号弱但时序结构强的特性。实验显示，相比直接处理原始分辨率，该预处理使FLOPs降低78%而不影响精度。

2.2 时序混合块：局部与全局的协同

核心创新在于门控局部-全局时序混合块（图1）。每个块包含：