巧了，我近期就在下手科学研究并自身试着去完成有关的新项目，或许讲一讲我所掌握到的物品，也算作自身做一个小结，我自个并不是技术专业干这一的，若有错误的地区请强调。

这一课题研究便是要完成应用监控摄像头对客户做即时的心率精确测量，或是让一个程序流程载入一个面部的视頻获得他的心率，综上所述是应用电子光学容积描记术（photoplethysmography）。假如有盆友应用过Apple Watch或是手指头放到手机镜头测心率得话，应当清楚这一专有名词，但他们全是容栅的。用监控摄像头开展非接触式的心率精确测量得话，一般就称作remote-ppg或是distance-ppg。

基本原理和容栅ppg类似，心率会造成血夜流动性，脸部有多样多彩的毛细管会造成人眼差不多不由此可见的细微的颜色改变（也有姿势改变，不过rppg几乎只考虑到颜色改变），这类改变便是心率的一种表现。依据监控摄像头去纪录脸部颜色改变的全过程，以后开展一系列信号处置方法，就可以导出来脉搏波，也就能获得心率了。

完成上或许分成那么好多个流程：

刚刚提及人脸部的颜色改变表现了心率的全过程，因此最先要做的便是把颜色改变的信号获取出去。方法特别简单，便是先开展面部识别，再逐帧算出脸部地区RGB三保险通道的均值，获得R,G,B三个时域上的信号。

2.信号预备处置

很多啦，例如移动平均，去发展趋势化，规范化这些。较为关键的一步是带通滤波，可以用FIR或是IIR，滤除不太可能归属于身体心率的頻率成份，因此通带一般是0.7~4hz（42~240bpm）

这一阶段是八仙过海各显神通的地区，或许有那么几类方法。

除此之外也有在第一步就把RGB变换到别的色彩饱和度，用哪个色彩饱和度的某保险通道做为ppg信号的。

4.后处置工艺

和第二步这些方法类似，换句话说一部分方法无需做信号预备处置，只对ppg信号做解决。不过这一步特别关键，我清楚是由于一部分决定信号頻率和心率信号很相仿，一般的带通滤波方法不可以将他们清除，因此要应用比如持续小波变换等方法开展进一步解决。（期待有dalao能给讲下）

5.心率导出来

FFT立即获得心率頻率，再乘60获得公司为bpm的心率标值。或是是数波峰焊数这些。

整体而言便是那么一个流程。再聊一下别的回答里提及的放大法，它是MIT在12，13年的一项关键功效：欧拉影象放大优化算法（Eulerian Video Magnification），简易讲便是将人眼无法辨别的颜色、姿势改变开展放大，让他们的改变更加显著。就例如脸部颜色，历经欧拉颜色放大后便会越来越更加显著，更有利于获取决定越来越少的脉搏波信号。也是有有关毕业论文是依靠姿势放大开展心率获取的。大伙儿可以 参照本文最终，期待专业人员能共享一下我讲的模棱两可的地区（由于我清楚的并不是很及时），也热烈欢迎跟我开展探讨，感谢！