非接触式光感知是什么？能获取哪些生理与状态信息？

先看整体：光学采集、生理指标与状态分析

光是采集信息的媒介。血液容积、血红蛋白吸收以及呼吸相关变化，会以不同方式影响可观察的光学信号。摄像头记录这些变化后，算法先检查时间信息和信号质量，再按任务提取特征、计算或估计结果。

rPPG（远程光电容积描记）主要处理与血液容积脉动有关的光学变化，是非接触式光感知中的重要路径。能恢复脉搏节律，并不表示已经具备所有生理指标或健康风险的估计方法。血氧需要相应光谱信息，血压需要专门的估计模型，压力与风险则属于进一步的分析。

情绪分析还可以结合表情、姿态、语音和语境。同一段视频中的皮肤反射光与面部动作是不同的信息；语音来自麦克风。实际启用哪些输入，由产品模块和项目配置决定。

心率之外，血氧、呼吸和血压怎样获得？

不同指标使用的信息并不相同。心率关注周期和频率；变异性关注每次脉搏出现的时间；血氧关注氧合与脱氧血红蛋白的光谱吸收差异；血压则通过相关特征和模型估计。下面按通用方法说明，具体实现以所选产品资料为准。

例如，RGB相机血氧研究会使用多通道信息、信号变换和标定关系，不能仅凭一条测心率的波形就得到血氧。这里引用的YCgCr研究有自己的相机、光照和参考血氧仪设置，不是科思创动的内部实现说明。普通RGB与指定近红外方案也不能直接互换。

血压估计要分别说明收缩压与舒张压、模型所需输入、是否需要个体校准，以及用什么参考方法验证。摄像头记录的是光学信息，血压值由模型估计。呼吸相关分析可使用光学波形的呼吸调制或可用运动线索，也需要说明实际输入和适用条件。

依据与范围：Pulse Rate Variability Analysis Using Remote Photoplethysmography Signals；Non-Contact Oxygen Saturation Measurement Using YCgCr Color Space with an RGB Camera；Assessment of Non-Invasive Blood Pressure Prediction from PPG and rPPG Signals Using Deep Learning。

怎样进一步分析血糖风险、心血管风险、长期压力与情绪？

这些模型使用可用生理特征、个体信息或历史记录，评估特定的状态或风险。要先说明评估的对象和时间范围，再选用对应模型。血糖风险关注、心血管风险关注与长期压力分析，需要分别解释。

血糖风险关注要区分风险参考与血糖浓度数值，并说明模型需要哪些输入、参考的是什么人群、结果怎样复测。心血管风险也要明确关注的是节律线索、血压相关变化还是其他定义好的事件。风险提示可帮助安排后续关注，不能直接写成疾病诊断。

长期压力与恢复变化需要可比较的多次记录、个人参考及相关生活信息。单次心率变化可能同时受到活动、情绪和采集条件影响，不能凭一个数值判断长期压力或笼统的“亚健康”。情绪变化则应结合任务语境与实际启用的模态解释。

这些任务在项目中应按所需模块选择。实际输出、输入条件与适用范围见对应版本资料，项目可以据此选择需要的能力组合。

依据与范围：Remote photoplethysmography for health assessment: a review informed by IntelliProve technology。

rPPG：怎样从接触式PPG发展到视频脉搏感知？

接触式光学传感器会向组织发光，再记录经过组织作用后的光信号。血液随心搏产生的变化，可以使接收到的光出现微小起伏。rPPG则尝试从一段皮肤视频里取得相关线索，不必把传感器夹在手指上。早期研究已用普通视频摄像头提取脉搏信号。^[1]

用户可以在不佩戴传感器的情况下采集脉搏信息。相机仍需保留皮肤反射光的连续变化；采集条件或视频处理不合适时，算法可能得不到可用信号。

脉搏为什么会影响皮肤反射光？

照到皮肤的光，一部分在表面反射，另一部分进入组织，经过吸收和散射后返回摄像头。血液和周围组织共同参与这个过程；随脉搏出现的血容量等变化，会调制返回光中的一部分。^[2]

算法在连续图像中寻找与脉搏有关的微小变化。光照、头部运动和相机处理也会改变像素，提取信号时需要把这些影响与脉搏变化区分开。

图示可在框内左右滑动查看。

rPPG子路径：从视频到脉搏结果，中间怎样处理？

首先找到合适的皮肤区域。ROI是“感兴趣区域”的缩写，指参与计算的图像部分，例如额头或脸颊。人脸检测只是定位，区域内是否有眼镜反光、头发或明显遮挡，还需要另行处理。

接下来，将连续图像转换成随时间变化的记录。例如，分别统计红、绿、蓝通道的像素变化，便得到几条时间曲线。它们混合了脉搏和干扰，算法再尝试从中分离有用成分。CHROM和POS是两种经典思路，分别利用色度组合和与皮肤色调相关的投影关系；它们不是简单地“永远选绿色通道”。^[3][2]

最后，从候选信号中分析节律，并判断这段信息是否适合输出。比如每秒约1.2次的重复节奏，对应每分钟约72次；这只是频率单位换算，不是产品实测值。

图示可在框内左右滑动查看。

为什么一定要连续观察，而不是拍一张照片？

节律描述的是随时间重复的速度。单张照片没有这段变化过程，不能直接提供脉搏周期。每次计算使用的连续片段，通常称为时间窗口。

这里有一个自然取舍：片段太短，观察到的周期少；片段更长，又可能混入较早的状态。界面每秒更新，不代表只使用一秒数据。相邻结果还可能共用很多画面，不能把刷新次数理解成独立测量次数。

脉率、心率、HRV和PRV分别表示什么？

平均频率看起来稳定，并不证明逐搏间隔和波形细节也准确。关于HRV与PRV的研究，专门讨论了两者之间的差异与条件。^[4][5] 血压、血氧和疾病诊断还需要各自的方法与验证，不能仅凭提取出脉搏信号就判断这些任务也能完成。

非接触式光感知怎样进入日常产品？

在主动参与的健康互动中，它可以减少额外穿戴；在座舱或机器人中，它可以作为行为和交互信息之外的一条输入。是否显示生理数字、用于状态分析，或仅提供某种服务提示，应由具体应用决定。

产品需要检查视频质量，计算和解释对应指标，再确定结果在场景中如何使用。普通摄像头与专用模组也各有价值，详见《普通RGB摄像头能用于生理感知吗？何时需要专用模组？》。

信号不足时，应用怎样处理？

摄像头记录的时间变化可以用于脉搏分析。扩展到其他生理指标或状态推断时，需要说明所用信号、计算方法和验证条件。

信号质量不足时，可以暂缓输出生理结果，让应用继续正常交互，等待下一段可用的视频。