用手机摄像头测量心率：原理是什么，准确度究竟如何

身边没有 Apple Watch 或胸带心率带的时候，手机摄像头依然能大致告诉你此刻的心率。把指尖贴在后置镜头上，或者用前置摄像头对准脸部，不到一分钟，应用就能把它捕捉到的光线和肤色的细微闪烁转换成一个心率读数。这是信息性内容，不是医疗建议——手机摄像头给出的是一个估算值，而不是一次测量，这也不是对任何情况的诊断。在你信任这样一个数字之前，最值得追问的诚实问题是：它究竟有多接近专业心率设备给出的读数？

它究竟是如何工作的

摄像头心率背后的技术有一个名字——光电容积描记法，简称 PPG——它的历史比智能手机早了几十年。PPG 是一种简单、低成本的光学方法，用来追踪活体组织中微血管床内血容量的变化：每一次心跳，组织中的血容量都会随之起伏，透过或反射自这部分组织的光线也随之起伏。生理测量领域的研究者把由此产生的信号描述为两部分：一部分是随呼吸、交感神经活动和体温调节而缓慢漂移的「DC」基线，另一部分则叠加其上，是随每一次心跳搏动的「AC」分量（Allen, 2007）。手机摄像头用不同的硬件完成同样的工作：它没有专用的「LED + 光电二极管」传感器，而是逐帧捕捉皮肤颜色和亮度那些同样细微的变化——无论是贴在后置镜头上的指尖，还是对着前置摄像头的脸——而这种 AC 搏动的周期，正是应用回报给你的心率。

它与你真实的心率有多接近

基于摄像头的 PPG 并不是一个只验证过一次就被搁置的想法——它已经不止一次与临床参照设备直接比对过，其中最有价值的一次检验测试的是真实的消费级应用，而不是实验室原型。2017 年的一项研究让四款智能手机心率应用在 108 名患者身上接受检验，每位患者同时接受心电图和脉搏血氧仪读数作为参照。脉搏血氧仪本身——更直接的参照对象——相对心电图的平均绝对误差约为 2 ± 0.35 次/分钟，这为「好」的表现设定了一个有用的标尺。以这个标尺衡量，使用指尖贴在后置摄像头上的接触式应用表现尚可：Heart Fitness 平均偏差 2 ± 0.5 次/分钟，Instant Heart Rate 为 4.5 ± 1.1 次/分钟。让前置摄像头拍摄面部的非接触式应用则明显更差：Whats My Heart Rate 平均偏差 7.1 ± 1.4 次/分钟，Cardiio 为 8.1 ± 1.4 次/分钟（Coppetti et al., 2017）。作者自己的结论值得原样重述：接触式的指尖应用无论在易用性还是准确度上，都优于非接触式的面部应用。这些数字的诚实总结是：即便是最好的摄像头估算值，也会与临床设备相差几次/分钟——足以作为一个粗略的参考，但还不足以像信任心电图那样信任它。如果必须在两种方式中二选一，指尖比面部更可靠。

CAMERA_PULSE · MEAN_ABSOLUTE_ERROR vs ECG (bpm)

• PULSE_OXMEDICAL_DEVICE

  REFERENCE · 2±0.35 bpm · COPPETTI_2017

  → 临床基准设备
• FINGER_ON_CAMERAESTIMATED_BY_CAMERA

  CONTACT · 2–4.5 bpm MAE · COPPETTI_2017

  → 手指估算 — 更可靠
• FACE_IN_CAMERAESTIMATED_BY_CAMERA

  CONTACTLESS · 7.1–8.1 bpm MAE · COPPETTI_2017

  → 面部估算 — 需要光线与静止

010 BPM

FIG.11 · CAMERA_PULSE = ESTIMATED_BY_CAMERA · NOT_A_MEASUREMENT · NOT_A_DIAGNOSIS

什么会让估算失准

由于摄像头心率读取的是皮肤上一个微弱的颜色信号，任何削弱或搅乱这个信号的因素，都会把估算值推得离真实值更远。2021 年一项系统测试面部读数的研究发现，当面前的光线超过 500 勒克斯时——测试涵盖 100、300、500 和 700 勒克斯——估算最准确，而在更暗的房间里表现变差。运动的影响更大：参与者说话时（53.9 毫秒），心跳间期的平均误差几乎翻倍，相比之下静止不动时为 23.9 毫秒；一项与之相关的心率变异性指标，在静止状态下与参照设备几乎完美相关（0.976），说话时却几乎跌到零相关（0.047）。同一项研究还发现，约 0.5 米的距离和每秒 30 帧以上的帧率就已足够，所以实际的结论比听起来要窄：保持静止、面对良好的正面光线、稳住手机，估算就有真正的机会接近真实值（Tohma et al., 2021）。

还有第二个不那么明显的误差来源，它不会因为更好的光线或更稳的手而消失：肤色。基于摄像头的 PPG 依赖光线穿透皮肤后反射回来，而黑色素会吸收更多这部分光线——所以在其他条件相同的情况下，肤色较深的人产生的信号更弱。2025 年一项对约 100 项 rPPG 研究及其公开数据集的审查发现，较深肤色（Monk 量表 4–10）的人群占比不到 25%，而较浅肤色（Monk 量表 1–3）的人群占比约为 45%。作者直白地指出了其后果："Datasets characterized by underrepresentation of darker skin tones or broad ethnic diversity limit the reliability and fairness of rPPG algorithms in real-world applications"（Bondarenko et al., 2025）。这不是一句无关紧要的注脚——它意味着上面那些准确度数字，是在某项研究恰好纳入的样本人群身上测得的，未必对读到这篇文章的每一个人都同样成立。

它不是什么

有必要在这里把边界说清楚，因为「摄像头心率」这个说法很容易让人以为它比实际能做的更多。它只估算一件事——脉搏频率——别无其他：不是血压，不是血氧饱和度（SpO₂），也不是其他任何心脏指标，无论你脸上的光线怎样闪烁。它不能替代脉搏血氧仪或心电图，这个方法也并非为诊断任何疾病而设计或验证。它真正是什么：在手表不在手腕上的那一刻，一个便利、粗略的脉搏估算——仅此而已，不多也不少。

它在 MeteoHealth 中的位置

MeteoHealth 使用同样的原理——基于摄像头的 PPG，通过指尖或面部——作为一种方式，在你的 Apple Watch 不在身边的日子里记录一个心率估算值，这样一天里的缺口就不必成为你数据里的缺口。这个估算值随后会汇入同一个设备端引擎，与这个系列中的其他每一项指标一样，它也会参照你的 Apple Health 数据和当地天气——它只是被拿来比较，而不是被用来诊断，并且在每一步都仍然只是一个估算值，绝不会被当成比这个方法本身更精确的东西。为了完成这种比较，读数不会离开你的设备。

结论

基于摄像头的心率建立在真实、原理清楚的光学基础之上——与临床脉搏血氧仪所用的光电容积描记法原理相同——在良好条件下，贴在后置摄像头上的指尖读数与正规心电图的差距只有几次/分钟。但这句话里「良好条件」四个字分量不轻：需要足够的正面光线、静止的手和静止的脸，还有一个不完全由你掌控的因素——摄像头和数据集所构成的生态系统，历史上对较浅肤色的读取一直比对较深肤色更可靠。这一切都不会让这个数字变得毫无用处；它只是恰如其分地保持原样——在手表不在身边时一个便利的估算值，而不是一个可以依赖的测量结果。