简介这份资源围绕摄像头检测血氧的物理与信号原理展开面向移动健康、远程医疗及生物医学信号处理方向的学习者与开发者帮助理解如何用普通RGB摄像头近似实现非接触式SpO₂监测。内容从朗伯-比尔定律切入讲解氧合血红蛋白与还原血红蛋白的吸收差异、心脏搏动引起的动脉血容积周期变化以及R/G/B通道对660nm、540nm、450nm波长的近似映射并给出红蓝或红绿双波长模型与R值计算公式。资源包为1个docx文档约23KB篇幅紧凑但覆盖完整包含IPPG信号提取流程人脸检测、ROI选取、RGB均值序列、0.5–4Hz带通滤波、AC/DC计算与线性标定及Matlab参考代码涉及Computer Vision与Signal Processing工具箱的使用。已有94人学习适合希望快速掌握摄像头血氧测量原理并动手复现的读者也可作为标定参数拟合与算法改进的入门参考。1. 用普通 RGB 摄像头测血氧从朗伯-比尔定律到可跑的 Matlab 离线流程手边只有一颗普通摄像头却想拿到血氧饱和度SpO₂的估计值这件事在原理上并非玄学。核心依据是朗伯-比尔定律氧合血红蛋白HbO₂与还原血红蛋白Hb对可见-近红外光的吸收系数不同心脏搏动时动脉血容积周期性变化皮肤反射光强随之周期性起伏。普通摄像头没有红外通道但 R 通道约 660 nm、G 通道约 540 nm、B 通道约 450 nm可以近似搭出「红-蓝」或「红-绿」双波长模型套用传统血氧仪的 R/IR 比值公式。这套资源给的就是一条从视频文件到 SpO₂ 曲线的完整 Matlab 离线链路适合做移动健康、非接触生理监测的从业者拿来验证和二次开发。2. 物理模型与信号链路为什么 R 通道能替代红外2.1 朗伯-比尔定律与双波长比值光穿过含吸收物质的介质时透射光强按指数衰减吸收程度与物质浓度、光程长度成正比。血液里 HbO₂ 和 Hb 的吸收谱不同HbO₂ 对红光吸收少、对红外吸收多Hb 反过来。传统血氧仪用红光约 660 nm和红外光约 940 nm两路算出一个比值 R再线性映射到 SpO₂。摄像头没有红外通道但 R 通道中心波长接近 660 nmB 通道约 450 nm、G 通道约 540 nm虽然都不是理想的红外参考波长但作为「另一路」参与比值运算仍能捕捉到脉搏引起的吸收变化差异。常见做法是用红-蓝组合因为蓝通道对血红蛋白吸收变化的响应与红光形成足够对比。公式写成R (ΔR/R) / (ΔB/B)其中 ΔR、ΔB 是脉搏波的交流分量ACR、B 是直流分量DC。这个 R 值本身没有生理单位必须靠同步的指夹式血氧仪数据做线性标定才能变成 SpO₂ 百分比。2.2 IPPG 信号提取的五个环节从视频到 SpO₂中间是一条标准的 IPPG成像式光电容积描记流水线人脸检测锁定 ROI额头或脸颊每帧在 ROI 内取 RGB 均值形成三条时间序列0.5–4 Hz 带通滤波只保留心跳频段滑动窗内计算 AC std(filtered)DC mean(raw)算 R 值线性标定 SpO₂ A·R B。这五步里ROI 选得稳不稳、滤波频段对不对、AC/DC 窗口长度合不合适直接决定最后曲线能不能看。额头区域受头发和表情影响小是常见首选脸颊信号强但容易被说话、咀嚼干扰。2.3 为什么选 Matlab 而不是 Python这套参考代码用 Matlab 实现依赖 Computer Vision Toolbox 的人脸检测器和 Signal Processing Toolbox 的滤波器设计。对已经装了 Matlab 的团队vision.CascadeObjectDetector和butter/filtfilt开箱即用省去自己搭检测器和滤波器的时间。如果团队主力是 PythonOpenCV 的 Haar 级联加 SciPy 的butter/filtfilt也能平移但本文以 Matlab 版本为准因为资源本身给的就是这套。3. 逐帧 ROI 提取与信号预处理把视频变成三条时间序列3.1 初始化参数与滤波器设计先定视频文件、滑动窗长度、帧率再设计 0.5–4 Hz 带通滤波器。帧率必须和实际视频一致否则滤波频段会整体偏移。%% 1. 参数与初始化 videoFile face.avi; % 输入视频 winSec 8; % 滑动窗长度(s) fs 30; % 视频帧率 [b,a] butter(3,[0.5 4]/(fs/2),bandpass); % 0.5-4 Hz 带通 faceDet vision.CascadeObjectDetector(); % 人脸检测器 vidReader VideoReader(videoFile); % 预分配 nFrames vidReader.NumFrames; sigR zeros(nFrames,1); % Red channel sigG zeros(nFrames,1); % Green channel sigB zeros(nFrames,1); % Blue channelwinSec 8是滑动窗长度8 秒在 30 fps 下约 240 帧足够覆盖多个心跳周期又不会把非平稳段混进来。butter(3, ...)是三阶巴特沃斯带通通带 0.5–4 Hz 对应 30–240 次/分覆盖正常心率范围。fs/2是奈奎斯特频率归一化后才能传给butter。vision.CascadeObjectDetector默认用 Viola-Jones 级联对正面人脸够用侧脸和遮挡会漏检。3.2 逐帧读取与 ROI 均值提取每帧读进来先做 BGR 到 RGB 的通道翻转再检测人脸取额头区域人脸框上半 1/3算 RGB 均值。%% 2. 逐帧提取 ROI 均值 for k 1:nFrames img readFrame(vidReader); % BGR → RGB img img(:,:,[3 2 1]); % 检测人脸 bbox step(faceDet, img); if isempty(bbox) continue; % 没检测到人脸用上一帧数据 end % 取额头区域简化人脸框上半 1/3 x bbox(1); y bbox(2); w bbox(3); h bbox(4); roi imcrop(img, [x y0.1*h w 0.25*h]); sigR(k) mean(roi(:,:,1),all); sigG(k) mean(roi(:,:,2),all); sigB(k) mean(roi(:,:,3),all); endimg(:,:,[3 2 1])是因为readFrame返回的通道顺序是 BGR而后续按 RGB 索引。bbox是[x y w h]y0.1*h往下偏 10% 避开眉毛0.25*h高度取额头带。mean(...,all)对 ROI 内所有像素求均值得到该帧的 R/G/B 标量。漏检时continue会留下零值后面用valid掩码剔除。3.3 去趋势与带通滤波原始均值序列含低频漂移光照渐变、缓慢移动先detrend去掉线性趋势再filtfilt零相位滤波避免相位失真。%% 3. 信号预处理 % 去除零值 valid sigR0 sigG0 sigB0; t (0:nFrames-1)/fs; sigR sigR(valid); sigG sigG(valid); sigB sigB(valid); t t(valid); % 去趋势 sigR detrend(sigR); sigG detrend(sigG); sigB detrend(sigB); % 带通滤波 filtR filtfilt(b,a,sigR); filtB filtfilt(b,a,sigB); % 使用红蓝通道valid同时要求三通道都大于零避免漏检帧污染。detrend默认去线性趋势对缓慢光照变化有效。filtfilt前后各滤一次相位抵消适合离线处理实时场景只能用filter但会有相位延迟。这里只用红和蓝通道算 R绿通道留着做备用或质量评估。4. 滑动窗 AC/DC 与 R 序列参数怎么定、异常怎么剔4.1 滑动窗计算 AC 与 DCAC 用滤波后信号的标准差DC 用原始信号的均值窗口以当前帧为中心前后各取一半。%% 4. 计算 AC/DC 与 R 序列 win round(winSec*fs); half floor(win/2); len length(filtR); Rseq nan(len,1); for k half1 : len-half idx k-half : khalf; AC_R std(filtR(idx)); DC_R mean(sigR(idx)); AC_B std(filtB(idx)); DC_B mean(sigB(idx)); Rseq(k) (AC_R/DC_R)/(AC_B/DC_B); endwin round(winSec*fs)把秒换成帧数8 秒 30 fps 得 240 帧。half是半窗循环从half1到len-half保证每个窗口都完整。std(filtR(idx))是 ACmean(sigR(idx))是 DC。R 序列两端是NaN因为边界窗口不完整。窗口太短 AC 估计噪声大太长会平滑掉血氧的快速变化8 秒是常见折中。4.2 线性标定与异常剔除R 值本身不是血氧必须用同步指夹仪数据拟合 A、B。资源里给的 A-25、B110 只是示例直接拿来用会翻车。%% 5. 血氧标定示例先用同步指夹仪数据拟合 A,B % 假设已拟合A -25.0; B 110.0 A -25.0; % 需用最小二乘重新标定 B 110.0; SpO2 A*Rseq B; SpO2(SpO270 | SpO2100) NaN; % 剔除异常A*Rseq B是线性映射SpO270 | SpO2100把生理上不可能的段置NaN避免曲线被离群点拉飞。标定参数必须自己拟合下面单独讲。4.3 结果可视化与均值输出三段子图分别看原始 ROI 均值、滤波后波形、SpO₂ 曲线最后打印整段均值。%% 6. 结果可视化 figure; subplot(3,1,1); plot(t,sigR,r,t,sigB,b); title(原始 ROI 均值); subplot(3,1,2); plot(t,filtR,r); hold on; plot(t,filtB,b); title(带通滤波后); subplot(3,1,3); plot(t,SpO2,k); ylim([70 100]); ylabel(SpO₂ (%)); xlabel(Time (s)); title(非接触估计血氧饱和度); meanSpO2 nanmean(SpO2); fprintf(整段视频平均 SpO₂ %.1f %%\n, meanSpO2);nanmean忽略NaN求均值比mean安全。ylim([70 100])固定纵轴方便多段视频对比。如果第二段滤波后波形看不出周期性说明 ROI 或光照有问题先回去查采集不要硬看 SpO₂。5. 标定参数 A、B 怎么拿同步录制与最小二乘拟合5.1 同步采集视频与指夹仪数据标定是这套流程里最容易糊弄、也最不能糊弄的一步。需要同时录两路摄像头视频算出 Rseq和医用指夹式血氧仪得到真实 SpO₂_ref。两者时间要对齐常见做法是录视频时让指夹仪读数出现在画面里或者用同一台电脑打时间戳。采集时建议固定 30 fps、关闭自动曝光、锁定白平衡。自动曝光会让 DC 分量随光照漂移白平衡漂移会让 R/B 通道比例失真这两个是标定不准的头号原因。ROI 可以改成「脸颊额头」拼接提高信噪比光照变化剧烈时先用 CHROM 或 POS 算法做颜色归一化再进后续流程。5.2 最小二乘拟合 A、B对齐时间后把 Rseq 和 SpO₂_ref 配对用一次多项式拟合。% 假设 SpO₂_ref 与 Rseq 已对齐 p polyfit(Rseq, SpO2_ref, 1); % 线性拟合 A p(1); B p(2);polyfit返回一次项和常数项p(1)是斜率 Ap(2)是截距 B。拟合前要剔除NaN和明显离群点否则斜率会被拉偏。拟合完把 A、B 代回第 4 章的SpO2 A*Rseq B再跑一遍看曲线是否落在合理区间。如果拟合出的 A 是正数说明 R 和 SpO₂ 的相关方向反了大概率是通道选错或时间没对齐。提示标定参数和采集设备、光照、ROI 强相关换一套环境就要重新拟合不要跨设备复用。6. 避坑与排查五条血泪经验6.1 现象SpO₂ 曲线全程贴 100 或贴 70原因标定参数 A、B 直接用了示例值没有用自己的同步数据拟合。示例 A-25、B110 只是占位和你的摄像头、光照、ROI 都不匹配。解决按第 5 章流程重新采集同步数据polyfit出新的 A、B再代回。拟合前确认 Rseq 和 SpO₂_ref 时间对齐否则拟合出来的斜率没有物理意义。6.2 现象滤波后波形看不出周期性像随机噪声原因ROI 选到了头发、背景或运动区域RGB 均值里没有脉搏成分或者帧率和fs不一致带通频段整体偏移。解决先确认fs和视频实际帧率一致VideoReader的FrameRate属性可以读出来核对。再把 ROI 可视化出来看是不是落在额头。如果 ROI 没问题检查光照是否稳定自动曝光是否关闭。6.3 现象R 序列大量 NaN有效段很短原因人脸检测频繁漏检valid掩码把大量帧剔掉或者视频里人脸转动、遮挡太多。解决换更稳的检测器或者对漏检帧做插值而不是直接丢。ROI 可以放宽到整张脸再取上半部分。采集时让被拍者尽量保持正面、少动。6.4 现象不同视频之间 SpO₂ 均值差很多原因每段视频的光照、白平衡、曝光都不同DC 分量变化直接影响 R 值而 A、B 是在某一组条件下拟合的。解决要么每段视频单独标定要么在预处理阶段加颜色归一化CHROM/POS把光照引起的共模变化压掉。跨视频比较前先看原始 ROI 均值的量级是否接近。6.5 现象代码跑通但结果没有生理意义原因把教学验证代码当成了临床工具。资源本身写明「代码仅作教学验证临床使用需通过 IEC 80601-2-61 标准测试」。解决明确这套流程的定位是算法验证和原型开发输出只能做趋势参考不能用于诊断。要做产品化标定流程、ROI 稳定性、运动伪影抑制、标准符合性测试都得单独补。7. 进阶把离线流程改成可复用函数并做质量评估跑通单视频之后我一般会把整段逻辑封成函数输入视频路径和标定参数输出 SpO₂ 序列和质量指标。这样换视频只改参数不用每次复制粘贴。下面是一个可复用的骨架function [t, SpO2, quality] estimateSpO2(videoFile, A, B, fs, winSec) % 输入视频路径、标定参数 A/B、帧率、滑动窗长度 % 输出时间轴、SpO2 序列、质量指标 [b,a] butter(3,[0.5 4]/(fs/2),bandpass); faceDet vision.CascadeObjectDetector(); vidReader VideoReader(videoFile); nFrames vidReader.NumFrames; sigR zeros(nFrames,1); sigB zeros(nFrames,1); for k 1:nFrames img readFrame(vidReader); img img(:,:,[3 2 1]); bbox step(faceDet, img); if isempty(bbox), continue; end x bbox(1); y bbox(2); w bbox(3); h bbox(4); roi imcrop(img, [x y0.1*h w 0.25*h]); sigR(k) mean(roi(:,:,1),all); sigB(k) mean(roi(:,:,3),all); end valid sigR0 sigB0; t (0:nFrames-1)/fs; t t(valid); sigR detrend(sigR(valid)); sigB detrend(sigB(valid)); filtR filtfilt(b,a,sigR); filtB filtfilt(b,a,sigB); win round(winSec*fs); half floor(win/2); len length(filtR); Rseq nan(len,1); for k half1 : len-half idx k-half : khalf; AC_R std(filtR(idx)); DC_R mean(sigR(idx)); AC_B std(filtB(idx)); DC_B mean(sigB(idx)); Rseq(k) (AC_R/DC_R)/(AC_B/DC_B); end SpO2 A*Rseq B; SpO2(SpO270 | SpO2100) NaN; % 质量指标有效帧占比 滤波后红蓝通道相关性 quality.validRatio sum(valid)/nFrames; quality.corrRB corr(filtR, filtB, rows, complete); endquality.validRatio是有效帧占比低于 0.7 说明检测或采集有问题。quality.corrRB是滤波后红蓝通道的相关系数脉搏成分强时两通道应该高度相关低于 0.3 基本可以判定这段数据不可用。这两个指标比单看 SpO₂ 曲线更早暴露问题。验证方法上我习惯拿一段已知指夹仪读数的视频做回归把函数输出的 SpO₂ 均值和指夹仪均值比误差在 ±3% 以内算可接受超过就回去查标定和 ROI。参数边界方面winSec低于 4 秒 AC 估计抖动明显高于 12 秒会平滑掉真实变化fs低于 15 fps 时 4 Hz 上限接近奈奎斯特滤波会失真建议至少 30 fps。从那以后我每次换采集环境都强制先跑一遍同步标定和quality检查两个指标不过关就不看 SpO₂ 曲线。希望帮到你。本文还有配套的精品资源点击获取
