python 人脸心率

在 Python 中进行人脸心率估计可以使用远程光学心率测量（remote photoplethysmography, rPPG）技术。这种技术通过分析人脸皮肤的微小颜色变化来估计心率。以下是一个使用 OpenCV 和 scipy 库进行人脸心率估计的示例代码：

import cv2
import numpy as np
from scipy import signal

def estimate_heart_rate(video_path):
    # 读取视频
    cap = cv2.VideoCapture(video_path)

    # 计算视频帧率
    fps = cap.get(cv2.CAP_PROP_FPS)

    # 初始化变量
    time = []
    r = []
    g = []
    b = []

    # 读取视频帧
    while cap.isOpened():
        ret, frame = cap.read()

        if not ret:
            break

        # 提取红、绿、蓝通道的平均值作为皮肤区域的强度
        r_mean = np.mean(frame[:, :, 2])
        g_mean = np.mean(frame[:, :, 1])
        b_mean = np.mean(frame[:, :, 0])

        # 记录时间和通道强度
        time.append(cap.get(cv2.CAP_PROP_POS_MSEC) / 1000)  # 转换为秒
        r.append(r_mean)
        g.append(g_mean)
        b.append(b_mean)

    # 关闭视频流
    cap.release()

    # 计算心率信号（rPPG信号）
    fs = 1 / np.mean(np.diff(time))  # 采样频率
    t = np.array(time)
    rr = np.array(r)
    gr = np.array(g)
    br = np.array(b)

    # 对每个通道的信号进行带通滤波
    lowcut = 0.7  # 最低频率
    highcut = 4.0  # 最高频率
    b, a = signal.butter(2, [lowcut / (fs / 2), highcut / (fs / 2)], btype='band')
    rr_filt = signal.filtfilt(b, a, rr)
    gr_filt = signal.filtfilt(b, a, gr)
    br_filt = signal.filtfilt(b, a, br)

    # 计算心率
    hr = signal.argrelmax(rr_filt, order=int(fps / 2))[0]
    heart_rate = 60 / (np.mean(np.diff(hr)) / fps)

    return heart_rate

# 调用函数进行人脸心率估计
heart_rate = estimate_heart_rate("video.mp4")
print("Estimated Heart Rate: {:.2f} bpm".format(heart_rate))

以上代码通过读取视频中的帧，并提取人脸区域的皮肤颜色强度，然后使用 scipy 库对信号进行带通滤波，并通过检测心率信号的极大值来估计心率。您可以将 "video.mp4" 替换为您自己的视频路径来进行测试。希望对您有所帮助！如有其他问题，请随时提问。