基于视频绿色通道提取心率的Python代码优化求助

原代码存在几个核心问题导致心率计算不准确，下面给出针对性的优化方案：

原代码的关键问题 #

1. 频率计算错误：np.fft.fftfreq返回的是归一化频率（单位：周期/采样点），需要乘以**视频帧率（采样率）**才能得到实际物理频率（Hz），原代码直接用归一化频率判断范围，完全偏离实际心率对应的频率区间。
2. 心率计算逻辑错误：FFT后的峰值对应信号的频率分量，不是时间域的心跳次数，原代码通过计数峰值个数计算心率的逻辑完全错误，正确方式是取幅度最高的有效频率，再转换为BPM（频率×60）。
3. 缺少信号预处理：原始绿色通道信号包含大量噪声，直接FFT会产生无效峰值，影响结果准确性。
4. 未过滤负频率：FFT结果是对称的，负频率部分没有实际意义，应该只保留正频率区间。

优化后的代码 #

import numpy as np
from scipy.signal import find_peaks, savgol_filter

class ExtractHeartRate:
    def __init__(self, green_channel, timer, fps):
        self.green_channel = green_channel  # 时间序列的绿色通道数据（每帧的平均亮度值）
        self.timer = timer
        self.fps = fps  # 视频帧率（每秒采样帧数，即采样率）
        self.heart_rate = 0

    def calc_hr_process(self):
        # 1. 信号预处理：去均值 + 平滑降噪
        signal = self.green_channel - np.mean(self.green_channel)  # 去除直流分量
        signal = savgol_filter(signal, window_length=5, polyorder=2)  # 平滑滤波，减少噪声

        # 2. 执行FFT并处理结果
        n = len(signal)
        fft_result = np.fft.fft(signal)
        fft_amplitude = np.abs(fft_result)[:n//2]  # 只保留正频率部分的幅度
        fft_freq = np.fft.fftfreq(n, d=1/self.fps)[:n//2]  # 计算实际物理频率（Hz）

        # 3. 定位有效频率范围内的峰值
        # 对应心率范围：48~120BPM → 0.8~2Hz（BPM = 频率×60）
        freq_mask = (fft_freq >= 0.8) & (fft_freq <= 2)
        filtered_amp = fft_amplitude[freq_mask]
        filtered_freq = fft_freq[freq_mask]

        if len(filtered_amp) == 0:
            self.heart_rate = 0
            return self.heart_rate

        # 4. 找到幅度最高的峰值（对应最强的心率频率分量）
        peaks, _ = find_peaks(filtered_amp, height=np.max(filtered_amp)*0.5)  # 只保留幅度超过最大值50%的峰值
        if not peaks.size:
            self.heart_rate = 0
            return self.heart_rate

        # 取幅度最大的峰值对应的频率
        max_peak_idx = peaks[np.argmax(filtered_amp[peaks])]
        dominant_freq = filtered_freq[max_peak_idx]

        # 5. 转换为BPM
        self.heart_rate = round(dominant_freq * 60)
        # 确保结果在合理范围内
        self.heart_rate = max(40, min(self.heart_rate, 180))
        return self.heart_rate

优化说明 #

• 信号预处理：通过去均值去除直流分量，用Savitzky-Golay滤波平滑信号，有效降低噪声对FFT的干扰。
• 正确的频率计算：通过fps将归一化频率转换为实际Hz，确保频率范围判断符合真实心率区间。
• 峰值选择逻辑：只保留正频率部分，筛选出对应48~120BPM的频率区间，然后取幅度最高的峰值作为心率对应的频率分量，避免无效噪声峰值的干扰。
• 结果修正：最后将心率限制在40~180BPM的合理范围内，避免极端异常值。

内容的提问来源于stack exchange，提问作者daniel