基于图像的指尖 PPG（iPPG）心率测量算法设计

本项目不接入实时摄像头，使用离线采集的指尖遮挡镜头视频/图像数据完成算法验证与演示（“基于图像”输入不变，仅把采集环节离线化，便于复现与对比测试）。

目标（全流程）

导入指尖遮挡镜头视频 → 选取 ROI → 提取 iPPG 序列（ROI 内 RGB 统计/通道组合）→ 预处理（去趋势 + 带通 + 标准化）→ 心率估计（频域 PSD 主结果 + 时域峰值对照）→ 评估（有/无真值两套口径）→ 导出结果（CSV/参数 JSON/图表）。

数据与采集建议（默认条件）

• 数据形式：mp4/avi/mov 等常见视频文件（手机拍摄均可）
• 拍摄方式：指尖完全覆盖镜头与补光灯（优先“闪光灯常开”），尽量保持稳定
• 帧率：优先 30 fps 或更高；程序会自动读取视频 FPS，读取失败则默认 30 fps
• 注意：若环境光强烈变化/移动明显，会导致 iPPG 质量下降（可通过 ROI 选择更稳、缩短移动、提高光照稳定性改善）

默认实验条件

• 采样率（FPS）：视频自带 FPS 优先；失败则 30 fps
• 心率频段：0.7–4 Hz（42–240 bpm）
• 滤波：Butterworth 带通 3 阶 + filtfilt 零相位
• 滑窗：10 s；步长 1 s
• 通道组合（可做对比）：g / g-r / gnorm

功能清单（对应“技术路线”）

• 视频导入：读取离线视频、展示首帧、记录 FPS/时长
• ROI 交互选取：在首帧拖拽矩形 ROI（指尖区域）
• iPPG 提取：逐帧计算 ROI 内 RGB 均值，构造时间序列并做通道组合
• 预处理：去趋势、带通滤波、标准化（输出“原始 vs 预处理后”对比）
• 心率估计：
  • 频域法（主结果）：Welch PSD，取心率频段内主峰频率 (f*{max})，(HR=60f*{max})
  • 时域法（对照）：峰值检测得到 RR 间期，(HR=60/\overline{RR})
  • 置信度：频域主峰能量占比、时域 RR 稳定性（用于“质量/可信度”展示）
• 评估与分析（两套口径）：
  • 有真值：对齐 ECG/脉搏氧仪心率，计算 MAE、RMSE、MAPE、相关系数、Bland–Altman
  • 无真值（默认口径）：PSD 与 Peaks 的一致性（平均绝对差）、心率序列稳定性（标准差）、有效窗占比/置信度分布
• 导出与复现：导出信号与心率 CSV、运行配置 JSON（便于复现与对比测试）

算法实现说明

1) 从图像生成 iPPG 信号

1. 对视频逐帧读取图像 (I_t)，在 ROI 区域计算 RGB 均值：
   • (r[t]=mean(R_{ROI})), (g[t]=mean(G_{ROI})), (b[t]=mean(B_{ROI}))
2. 选择通道组合得到原始 iPPG 序列 (x[t])：
   • g：(x[t]=g[t])
   • g-r：(x[t]=g[t]-r[t])
   • gnorm：(x[t]=g[t]/(r[t]+g[t]+b[t]))

2) 预处理

• 去趋势（线性 detrend）抑制缓慢漂移
• 0.7–4 Hz 带通滤波保留脉搏主频成分
• z-score 标准化增强跨视频/跨光照可比性

3) 心率估计

• 频域法（Welch PSD）：在 0.7–4 Hz 内取主峰频率 (f*{max})，输出 (HR=60f*{max})
• 时域法（峰值检测）：在带通后信号中检测峰值并约束最小峰距，计算 RR 间期平均得到 HR
• 置信度：
  • 频域：(\text{conf}=\frac{P(f*{max})}{\sum*{f \in band} P(f)})
  • 时域：RR 变异系数 (CV=\sigma*{RR}/\mu*{RR})，(\text{conf}=1-CV)（截断到 0–1）

项目结构

.
├─ main.py
├─ requirements.txt
├─ README.md
├─ core/
│  ├─ pipeline.py          # 端到端流水线：视频→PPG→预处理→心率
│  ├─ ppg_extract.py       # ROI 提取、RGB 均值、通道组合
│  ├─ preprocess.py        # 去趋势/带通/z-score
│  ├─ hr_estimate.py       # PSD 与峰值两类心率估计
│  └─ signal_quality.py    # 饱和/亮度/运动等质量特征（用于展示/扩展门控）
└─ ui/
   └─ main_window.py       # Qt 界面、绘图、导出

如何运行

安装依赖：

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

启动界面：

python main.py

使用步骤

1. 点击“打开视频…”
2. 在“视频首帧/ROI”页拖拽黄色矩形框到指尖区域
3. 点击“确认ROI”
4. 点击“运行全流程”
5. 在“信号/心率”页查看曲线与对比结果
6. 点击“导出结果…”

导出文件说明

导出目录下默认生成：

• ppg_signals.csv：t_sec, r, g, b, ppg_raw, ppg_filt
• hr_psd.csv：t_sec, bpm_psd, conf_psd
• hr_peaks.csv：t_sec, bpm_peaks, conf_peaks
• run_config.json：视频路径、FPS、ROI、滤波/窗口/通道组合等参数（用于复现）

评估口径建议

• 若你最终能采到真值（脉搏氧仪或 ECG，同步时间戳）：把真值序列导入后，按滑窗对齐计算 MAE/RMSE/MAPE，并给出 Bland–Altman 图与相关系数
• 若只有离线视频：用“PSD vs Peaks 一致性（MAD）+ 稳定性（STD）+ 有效窗占比/置信度分布”作为主要评估指标，并明确属于“无真值一致性评估”

常见问题

• 为什么心率曲线有 NaN/断点？
  • 该时间窗内信号太短、峰值不足或 PSD 频段内能量不明显，属于正常现象；可尝试更稳定的 ROI、更强的补光、或增大滑窗长度
• 视频 FPS 读取为 0 怎么办？
  • 程序会自动回退到 30 fps；建议换一个编码更标准的视频或转码后再测试