心脏每跳一次，都会把多一点血液推进面部皮肤。皮肤颜色随之发生极细微的变化，肉眼看不出，摄像头却能记录下来。远程光电容积脉搏波（rPPG）从普通视频中恢复这个信号，并换算成心率。在胸带或指夹会碍事的研究里，比如屏幕任务、访谈或已有的录像，它提供了一种无需接触式传感器的生理指标。

本文介绍 rPPG 在 Neutropic 中如何运作、返回什么、如何检验，以及从哪里开始不再可信。截图来自每个账户都能打开的示例项目（示例 · 按领域的技能）中的面部视频会话，使用的是已知脉搏的样本视频。

上传什么

上传一段拍到人脸的视频：MP4、MOV、WebM、AVI、MKV 或 M4V。应用内预览使用浏览器自带的播放器，所以如果还想在 Neutropic 里观看视频，H.264 MP4 最稳妥。无论哪种格式，分析都会在服务器上解码文件。上传最大 1 GB。

要得到可用的信号：

视频的大部分时间里，脸都要可见且大致正对镜头。至少需要 5 秒检测到人脸的帧，越长越好。
光照要稳定。闪烁的灯、在脸上移动的阳光、亮度变化的显示器，都会加入与脉搏无关的颜色变化。
帧率至少 8 fps。普通摄像头的 25–30 fps 就足够。

然后用平常的话提出请求：

text

/analyze 用远程 PPG 从 face_pulse_72bpm.mp4 估计心率。比较 POS、CHROM 和 GREEN 三种方法，报告各自的 SNR，并画出脉搏信号和频谱。

逐步发生了什么

数据分析技能先调用 media_info 读取帧率、分辨率和时长，然后调用 rppg 工具，它会：

找到人脸。 MediaPipe 人脸检测器大约每秒运行一次。两次检测之间保留检测框，使区域保持稳定。
求皮肤颜色的平均值。 区域取人脸框的内部（宽度 20–80%、高度 10–70%），以额头和脸颊为主。每一帧计算红、绿、蓝三通道的均值。
提取脉搏。 最多使用三种已发表的算法：GREEN（Verkruysse 等，2008）、CHROM（de Haan & Jeanne，2013）和 POS（Wang 等，2017）。默认是 POS，要求三种都用就会得到三份结果。
滤波与测量。 信号经过 0.7–4.0 Hz（42–240 bpm）带通滤波，心率取自功率谱的峰值。SNR 比较峰值 ±0.1 Hz 以内的功率与频带其余部分的功率。另外还会从逐个心搏得到第二个估计（基于峰值的心率和 RMSSD）。

打开 rPPG 图的面部视频会话：上方是滤波后的脉搏，下方是功率谱，图例里标出心率线和 SNR。

得到什么

图（*_rppg.png）：主方法的滤波后脉搏时间序列，以及以每分钟心跳数为单位、标出估计心率的频谱。
表（*_rppg.csv）：时间、每帧面部区域的 R、G、B 均值，以及每种方法的滤波信号。可以重新作图，或接入自己的流程。
每种方法的数值：心率、峰值频率、SNR、基于峰值的心率、RMSSD 和心搏数。工具还会返回每种方法对应的论文出处。
报告：依据这些数值撰写，每张图和表都保留着生成它的工具调用，在产出物面板里按 { } 即可查看。

放大后的脉搏和频谱。POS 的频谱峰值在 72.0 bpm，SNR 为 12.0 dB。

如何检验

心率工具只有在能找出真实存在的心率时才有用。所以我们用一段事先知道答案的视频来测试：拿一张微笑人脸的照片，做成 20 秒、30 fps 的视频，把肤色精确地按每分钟 72 次调制，再叠加缓慢的光照漂移，让方法无法只靠追踪一条干净的正弦波得出结果。

内部验证记录中的结果如下：600 帧中 600 帧都检测到了人脸，POS、CHROM 和 GREEN 都给出 72.0 bpm，SNR 分别为 12.0、11.1 和 13.5 dB。此外，单元测试会把合成的 72 bpm 颜色轨迹输入三种方法，检查它们是否返回 72.0，以及信号改为 96 bpm 时能否跟上。

示例会话的报告把三种方法并排列出，并附上各自的论文：

报告中的方法对比：POS、CHROM、GREEN 及出处、峰值频率和 SNR，三者都是 72.0 bpm。

这只能说明流程在正常工作，不是效度研究。合成视频里没有头部运动、没有说话、没有不同的肤色，也没有摄像头压缩伪影。在研究结论中依赖 rPPG 之前，请在一部分参与者身上同时记录接触式参考信号（ECG 或指尖 PPG）进行对照。

读结果：方法一致性与 SNR

有两个数字告诉你该多大程度上相信估计值，工具两个都会报告。

SNR。 SNR 低或为负，说明频谱峰值几乎没有高出噪声。工具自带的经验规则是：SNR 低于 0 dB 时估计不可靠。
方法间一致性。 POS、CHROM 和 GREEN 处理运动和光照的方式不同。如果它们相差超过 5 bpm，说明驱动信号的是脉搏以外的东西，通常是运动、光照变化或人脸太小。

同时运行三种方法（method: all）成本不高，却能顺带得到这一交叉检验。代理被要求在报告心率时一并给出 SNR 和方法间的差异，而不只是一个心率数字。

对话中的步骤：media_info、face_expression、rppg，各自标出处理的文件。

心率可以，HRV 要小心

rPPG 会给出基于峰值的 RMSSD，很容易让人把它当作心率变异性（HRV）。请小心。短时 HRV 按惯例用 5 分钟的记录计算，而从视频得到的心搏时刻受帧率限制：30 fps 时帧间隔约 33 ms。对 20 秒的视频来说，RMSSD 充其量只是信号稳定性的指标。示例报告在局限部分也说明了这一点：

报告的局限部分：视频只有 20 秒，频率分辨率不足以做频域 HRV（LF/HF），建议录制不少于 3 分钟。

如果 HRV 是你的结果变量，请记录接触式 ECG 或 PPG，并对 RR 间期使用 HRV 工具。Neutropic 接受 CSV 格式的 RR 数据，HRV 工具会报告平均 RR、SDNN、RMSSD 和 pNN50。

研究用途

无传感器的生理唤醒。 在摄像头本来就在录制的屏幕任务中，追踪各刺激区块的心率。
UX 与 HCI 测试。 把同一段视频的表情和心率配对，找出可用性测试中用力或紧张的时刻。参见面部表情分析。
重新分析已有录像。 为其他目的录制的访谈或实验视频，前提是知情同意涵盖这一用途（见下文）。
跨参与者比较。 每个 *_rppg.csv 或汇总值都成为参与者层面表格中的一行，之后由统计工具比较条件，例如带假设检查的 compare_groups，或针对重复区块的混合模型。

text

/stats hr_by_block.csv 中每位参与者、每个区块（baseline、task、recovery）一行，记录 rPPG 心率。请检验心率在区块间是否不同，检查前提假设，并报告效应量。

坦诚的局限

只有经典算法。 包括 POS、CHROM 和 GREEN。深度学习 rPPG 模型（如 PhysNet、TS-CAN）需要训练好的权重和 PyTorch，因此没有纳入。
运动与光照。 头部运动、说话、变化的光照和强烈的视频压缩都会降低 SNR。除了每秒重新检测一次人脸，工具不做运动校正。
只处理一张脸。 使用第一个检测到的人脸，多人视频请先裁剪。
肤色与摄像头。 已发表的 rPPG 性能随肤色、摄像头和光照而变化。上面的合成检验无法说明它在你的参与者和环境中表现如何。
不是医疗器械。 估计值是研究用测量，不适合用于临床决策。

拍摄参与者：知情同意与隐私

面部视频属于个人信息，由它得出的心率在许多法域属于健康信息。首次上传前，Neutropic 会显示 上传研究数据之前 的提示，请你确认已具备处理这些数据所需的权利、参与者同意和审批（例如 IRB 或伦理委员会）。

在知情同意书中写明：视频不只是被观看，还会用于分析心率等生理信号。
测量工具在 Neutropic 的服务器上运行，模型接收的是工具返回的数字。上传内容在你删除之前一直保存在私有工作区，不会用于训练模型。包括会向你所选模型提供商发送哪些内容在内的详情，见隐私政策。
与合作者共享时，尽量共享派生表格（*_rppg.csv），而不是视频本身。