基于rPPG技术和频域分析的非接触式实时心率检测系统设计与实现

摘要：传统的心率监测方法需要与人体接触，在某些场景下存在不便或不适用的问题。本研究旨在开发一种基于普通摄像头的非接触式心率检测系统，实现对人体心率的实时、准确监测。

项目概览

项目简介

本系统采用远程光电容积描记术（remote Photoplethysmography, rPPG）技术，通过普通RGB摄像头采集面部额头区域的视频信号。系统提取视频帧中绿色通道的像素强度时间序列，利用Hodrick-Prescott（HP）滤波器分离趋势成分和周期性成分，对残差信号进行快速傅里叶变换（FFT）频谱分析，在心率频段（0.75-3.0 Hz，对应45-180 BPM）内识别峰值频率，从而计算实时心率。系统采用PyQt5框架开发了友好的图形用户界面，实现了视频采集、信号处理、频谱分析和结果可视化的完整流程。

实验表明，在光照稳定、被测者保持静止的条件下，系统能够稳定检测心率，测量结果与实际心率的误差在4 BPM左右。系统采用生产者-消费者多线程架构，实现了30fps的视频采集和实时信号处理，界面响应流畅，用户体验良好。

本研究成功实现了一个基于rPPG技术的非接触式心率检测系统。该系统仅需普通摄像头即可工作，无需专用硬件，具有成本低、使用方便的优势。系统适用于远程健康监测、运动健身、疲劳驾驶预警等场景，具有良好的应用前景。未来可进一步改进算法以提高抗干扰能力，并扩展至多人同时检测等功能。

系统架构

本系统采用生产者-消费者多线程架构，基于PyQt5框架构建。核心分为三个独立线程：视频采集线程（CaptureThread）负责30fps的摄像头视频流获取和ROI区域像素强度提取，通过信号槽机制将采样数据发送至主线程；主线程（GUI线程）负责界面渲染、用户交互和采样数据的缓存管理；信号处理模块在主线程中以事件驱动方式运行，当采样点数达到阈值后，使用Hodrick-Prescott滤波器分离绿色通道信号的趋势与周期成分，对残差信号执行FFT频谱分析，在心率频段（0.75-3.0 Hz）内提取峰值频率并转换为BPM值。系统采用非阻塞异步架构，视频采集、信号处理和界面更新完全解耦，通过Qt的信号槽机制实现线程间安全通信，保证了高帧率视频采集的同时维持界面流畅响应，实现了rPPG技术的实时非接触式心率监测。。

图1 系统架构图

技术创新

创新点1：采用HP滤波器替代传统带通滤波器进行信号预处理

本系统创新性地采用Hodrick-Prescott (HP) 滤波器替代传统带通滤波器进行信号预处理。HP滤波器能自适应分离绿色通道信号的趋势成分和周期性成分，无需手动设定截止频率，且采用双向滤波不引入相位延迟。相比传统方法，HP滤波器更准确地分离非平稳趋势，使心率频谱峰值更加突出，测量误差从6-8 BPM降低至约4 BPM，提升了系统准确性和鲁棒性。

创新点2：基于PyQt5的生产者-消费者多线程架构实现高性能实时处理

本系统采用PyQt5信号槽机制实现生产者-消费者多线程架构，将视频采集、信号处理和界面更新完全解耦。视频采集线程独立运行30fps采集循环，主线程以非阻塞方式处理数据并更新界面，Qt信号槽自动处理线程切换避免数据竞争。该架构实现了稳定30fps采集、实时处理（延迟<100ms）和流畅界面响应，相比传统方法界面响应时间缩短60%，显著提升了系统性能和用户体验。

快速开始

安装依赖后直接运行 `python heart_rate_detector_gui.py` 启动图形界面，点击”开始检测”并将绿色ROI框对准额头中央，保持静止约10秒即可获得心率结果。

环境要求

本系统基于Python 3.7+开发，需要安装PyQt5、OpenCV、NumPy、SciPy和Matplotlib库，并确保计算机配备可用的摄像头设备。

运行展示

运行heart_rate_detector_gui.py

图2 主界

图3 采集进

图4 轻度偏离参考范围

图5 正常参考范围

项目资源

配套文档

点击查看：基于rPPG技术和频域分析的非接触式实时心率检测系统设计与实现 注意：免费提供！

配套文件

包括完整的项目源代码、演示视频、运行截图，开箱即用。

项目信息

作者信息

作者：Bob (张家梁)
项目编号：SD-16-P
原创声明：本项目为原创作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。