rPPG 压力监测什么时候生理上站得住脚?PRISMA-ScR 综述精读——20 篇入选研究里 6 篇没有生理参考,HRV 承诺要过四道关

舱内 rPPG 功能宣传里最危险的一句话是”检测驾驶员压力水平”。心率(HR)本身,摄像头确实测得准——这一点综述证据充分;但”压力”这个标签,绝大多数研究是用实验协议(让被试做 Stroop 测试就标注为”高压力”)推出来的,而不是用生理参考(心电或接触式 PPG 对齐验证)证出来的。King Fahd University of Petroleum & Minerals 的 Nasser、Baslyman、Elferik 三人按 PRISMA-ScR 规范做了一篇范围综述(Frontiers in Digital Health, 2026-08-19, DOI 10.3389/fdgth.2026.1855425),把 2010-2026 年间同时满足”摄像头 rPPG + 压力/工作负荷终点 + 生理指标”三重条件的实证研究筛出来,只留下 20 篇——五库检索拿到 243 条记录,141 条在资格评估阶段被剔除。这 20 篇里,6 篇完全没有生理参考,2 篇只有皮电(EDA)没有心脏参考,心脏参考(ECG 或合格接触 PPG)合计只有 7 篇,而真正报告过一致性指标(agreement metrics,相关系数/Bland-Altman)的只有 5 篇。

这篇综述对我们 IMS 团队的直接价值,是给”舱内压力/健康监测功能该承诺什么、不该承诺什么”画了一条可操作的线:它提出一个四级有效性阶梯(从”只有协议标签”到”生态验证+质量感知+生理验证”)、一张场景判读矩阵(实验室静坐=可辩护;野外网络摄像头=不可辩护),并给出三条**”不可推断”(do-not-infer)条件**。结合我们同时精读的两篇一手文献——Odinaev 等的 WaveHRV(SDNN 相关系数 0.83,但 RMSSD 只有 0.59)和 Bondarenko 等的公开数据集人口学偏差审计(深色皮肤上传统方法 MAE 从 5.2 恶化到 14.1 bpm)——本文把这条线落成舱内功能的验收项。

本文为 A 型(论文深读型)。综述数字出自 Front. Digit. Health 8:1855425 全文 HTML(已分两段完整精读);Odinaev 数字出自 Bioengineering 10(7):851 全文 XML(Europe PMC 通道,已读);Bondarenko 数字出自 npj Digital Medicine 8:593 全文 XML(已读)。站内关联:FLOW 最优传输域泛化 rPPG 精读、PixExpo 采集端曝光控制精读、热成像无接触 EDA 精读、可穿戴酒驾检测 RCT、TUM×BMW 方差分解。

背景:为什么”测得准”不等于”说得出口”

rPPG 的赛道文档里,心率估计和压力估计经常被写成同一个功能包,但它们的有效性地位完全不同。这篇综述开篇就把概念分开了:应激(stress)是威胁/需求引发的生理-情感反应,心理工作负荷(mental workload)是认知资源占用——两者共用”自主神经系统激活”这个通道,但标签来源不同,必须分别报告。作者检索了 Scopus、IEEE Xplore、PubMed、ACM DL 四库加 Google Scholar 补充(2026-03-16 至 03-31 执行,文献区间 2010-2026),三条过滤标准依次是:摄像头 rPPG、含压力/工作负荷/唤醒/焦虑终点、报告 HR/HRV/PRV 且有验证。

筛选漏斗的结果本身就说明问题(PMID 42688275,Figure 1):

为什么 161 篇里淘汰 141 篇?被剔除的包括:纯算法心率估计没有心理状态终点、仅接触式传感、仅 EEG/EDA/热成像单模态、方法学细节不足。剩下的 20 篇是”能回答有效性问题”的最小集合——而它们的参考锚定状况(下一节)揭示了更大的问题。

值得注意的定位:此前 rPPG 综述(Chen、Xiao、Pirzada 等)主要覆盖心率,HRV 有效性内容有限;这篇的独特贡献就是有效性阶梯 + 场景矩阵 + 报告规范三件套(综述 Table 1 自述)。作者自己也声明了局限:单人初筛 + 双人各复核 50%,未算 kappa 系数(符合 PRISMA-ScR 规范)。

核心机制一:四级有效性阶梯——你的功能在哪一层?

综述 Figure 2 把现有研究放到了一个四级阶梯上:

flowchart LR
    T1["Tier 1<br/>协议推断<br/>做 Stroop = 标&#x27;高压力&#x27;<br/>无生理验证"] --> T2["Tier 2<br/>可穿戴参考<br/>腕式 BVP/EDA 对齐<br/>无一致性指标"]
    T2 --> T3["Tier 3<br/>受控条件验证<br/>实验室 ECG/接触PPG<br/>报告相关性/MAE"]
    T3 --> T4["Tier 4<br/>生态验证+质量感知<br/>真实场景 + SQI 门控<br/>+ 显式生理验证"]
    style T1 fill:#f66,color:#fff
    style T2 fill:#fa4,color:#000
    style T3 fill:#8c4,color:#fff
    style T4 fill:#2a6,color:#fff

审稿人给出的判读是:大多数研究落在 Tier 1 到 Tier 2 之间。一个典型 Tier 1 案例:Du 和 Yang 用多模态融合做到 80.13% 压力检测准确率,但没有任何生理参考(SPIE ISPP 2025 会议)——准确率是相对”协议标签”算的,不是相对生理真值。综述把这 20 篇的参考锚定逐篇统计:

另外三个”能力项”统计同样刺眼:报告一致性指标(Bland-Altman/相关系数)的只有 5 篇;做被试独立评估(subject-independent)的只有 5 篇;做显式鲁棒性测试的只有 4 篇(另有 3 篇仅定性提及)。也就是说,一篇 rPPG 压力论文满足”有生理参考 + 有一致性指标 + 被试独立 + 鲁棒性测试”四项全过的概率,在这 20 篇精选集合里也接近零。

核心机制二:场景判读矩阵——哪里能说,哪里不能说

综述 Table 3 按部署场景给了七条判读,这是全文对舱内功能最直接的输入:

对舱内开发的翻译:驾驶场景天然处于”实验室静坐”和”野外”之间——人有头动和微运动、光照随昼夜和隧道剧变、还有压缩管线和低帧率。驾驶不是矩阵里任何一行,而每一行的判读条件都是驾驶场景要逐项满足的清单。

数字证据:HR 稳如磐石,HRV 一地碎瓷

HR:结论扎实的部分

综述的核心结论之一是 rPPG 对非接触心率估计的支持是稳健的——这在多个场景(实验室、在线会议、远程医疗)都被反复验证。但 McDuff 等的工作同时给出了一个对压力检测致命的细节:心率单独作为压力分类特征是最弱的单特征——SVM 分类准确率,仅用 HR 是 60%,多特征组合到 85%。换句话说,即使 HR 测得准,它携带的压力信息也不够。

HRV:逐级塌缩的承诺

HRV(心率变异性)才是压力推断的主特征,而它恰恰是 rPPG 最脆的输出。我们把综述引用的数字与我核过的一手文献并排放:

这个梯度的物理来源不难理解:RMSSD 和 LF/HF 依赖逐搏间期(IBI)级别的精度,而 rPPG 的峰检测在噪声下抖几个毫秒,RMSSD 就废了;LF/HF 还额外要求长窗(综述引用的谱分析惯例,Odinaev 只在 >30 秒视频上算频域指标)。SDNN 能站住、RMSSD 打折、LF/HF 站不住——任何舱内功能文档把这三者并列写成”HRV 监测”,都是在把最弱的承诺夹带进最强的承诺里。

“数据清洗抬高表观性能”的警告

Odinaev 2023 全文里还有一个值得单独拎出来的数字:在 MAHNOB-HCI 数据集上,SDNN MAE 从不做真值清洗时的 69 ms 降到清洗后的 17.5 ms。清洗规则包括:丢弃任一时刻面部被遮挡的数据、剔除 HR 出 [45,200] bpm 的段、剔除偏离段均值 30% 以上的 IBI、剔除 SDNN/RMSSD >100 ms 的数据。这相当于先按真值把难样本删掉再报告精度——这解释了综述讨论章反复强调的”报告精度虚高”问题:很多发表数字建立在一套未明说的真值清洗之上,部署时难样本一个都不会少。

窗口长度的硬约束

综述提出的最低要求把窗口写成了硬指标:时域 HRV 需要窗长 ≥120 秒;<60 秒的窗只支持 HR,不支持任何 HRV 承诺。支撑证据是 Song/Lee/Lee 2025(Med Biol Eng Comput 63(2):497-510)对超短窗局限的定量分析,以及时域指标(RMSSD、SDNN)在短窗内不稳、频域 LF/HF 在短窗内不可靠的经典结论。Odinaev 的实操与之一致:16 秒是其管线的下限(小波散射池化窗),且明确说 <15 秒”很难得到有意义的 HRV 结果”。

人群偏差:有效性在部分人群上不成立

有效性不仅随场景塌缩,还随人群分化。Bondarenko、Menon、Elgendi 对 100 篇使用公开 rPPG 数据集的研究做了系统审计(npj Digital Medicine 2025;8:593),编目 23 个数据集后给出的结构性数字:

多民族数据集(BP4D+、MMSE-HR、V4V)虽然存在,但使用率不足 5%。深度模型确实缩小了肤色间差距(14.1→9.5 的斜率),但没有消除,而且差距在高类型(Fitzpatrick VI)上仍然超过 2 倍。对车规开发,这不只是公平性问题,是验收定义问题:如果你的验收集浅肤色占 45%+,报出来的平均 MAE 会系统性低估深色皮肤乘员的误差。

综述给出的硬要求:四道关与三条不可推断条件

把综述的”最低要求”与”不可推断条件”合并,任何舱内 rPPG 压力/健康功能要声称生理有效,需要过四道关:

flowchart TB
    Q&#123;舱内 rPPG 压力/HRV 功能<br/>生理有效性检查&#125;
    Q --> G1["关1 窗口<br/>HRV 需 ≥120s;<60s 只许承诺 HR"]
    Q --> G2["关2 参考锚定<br/>验证需 ECG 或合格接触 PPG;<br/>腕式 BVP 只算有限基线"]
    Q --> G3["关3 质量门控<br/>SQI/SNR 阈值 + 拒判(abstention)<br/>低质量时输出&#x27;不推断&#x27;"]
    Q --> G4["关4 评估设计<br/>被试独立划分 + 标签质量<br/>超越协议块 + 人群覆盖报告"]
    G1 & G2 & G3 & G4 --> P["四关全过 → 可承诺<br/>任一不过 → 降级或禁承诺"]

三条不可推断(do-not-infer)条件——出现任何一条,系统应当拒绝输出心理状态判断,而不是给出一个数:

1. 超短窗且运动/光照主导的段(信号被伪影淹没);
2. 无生理参考的验证链(协议标签 ≠ 生理真值);
3. 无信号质量监测(不知道自己此刻测得准不准)。

第 3 条值得展开:综述把”质量感知的拒判行为”列为部署刚需——SQI(信号质量指数)门控后,宁可沉默也不输出。这与站内精读过的 Oulu 热成像 EDA 文的”三通道诚实判定”(包括把失败的 HR 通道如实报告为失败)是同一设计哲学,也与 Oulu 姊妹篇的 oracle 评估虚高警告互为印证:评估时把自己当 oracle,部署时就会被现实教育。

与站内 rPPG 系列的关系:第四层补齐

把这篇综述放进站内 rPPG 精读序列,会发现它补的是此前一直缺的”验收与承诺”层:

四层的关系是乘法而非加法:采集端和训练端把 MAE 压到 6.84 bpm,但如果验收时用浅肤色均值、无 SQI 门控、120 秒以下窗口算 HRV,功能在实车上的真实有效性仍然未知。反过来,验收协议设计得好,能倒逼上三层暴露真实短板。

另外一条值得记录的产业对照:舱内”健康感知”的产品化并不缺玩家——Harman 收购了 CAARESYS 车内雷达监控业务(autoevolution,2022-09 报道),TechCrunch(2023-01)报道过 Harman DMS 测心率能力;DriveEmo-FL(Nature 系,2026-03)则在演示舱内雷达情绪感知(以上均为标题级信息,本文不做数字转引)。产品叙事走在有效性证据前面,正是这篇综述要解决的问题。

对 IMS 团队的启示:六条可执行项

1. 功能承诺分层写进需求文档:HR 是”已验证”档,RMSSD 是”条件性”档,LF/HF 与”压力等级”是”研究性”档——不允许把三档混写成一个”健康监测”feature 名。综述的证据结构(HR 60%→组合 85%、SDNN 0.90 vs RMSSD 0.45 vs LF/HF 0.40)就是文档里的论据。

2. 验收窗口 ≥120 秒是硬指标:任何 HRV 类验收用例,窗长不得低于 120s;<60s 的实时用例只验收 HR。这意味着舱内 HRV 功能天然是”分钟级趋势通道”而非”秒级告警通道”——HMI 和 ADAS 联动逻辑要按这个时间常数设计。

3. 把 SQI + 拒判做成一级需求:系统在低质量段必须输出”不可推断”而不是插值。拒判率本身就是验收指标(拒判过多=功能不可用,拒判过少=在硬闯),这个权衡要显式标定,不能让沉默逻辑事后补。

4. 验证协议锚定 ECG,腕式只做基线:开发期对照实验里,ECG(或合格接触 PPG)是 HRV 验收参考;Empatica E4 类腕带数据可以覆盖,但报告里要标”有限基线”。同时把真值清洗规则写进报告——Odinaev 的 69→17.5 ms 对比说明,不写清洗规则的精度数字没有可比性。

5. 人群覆盖进验收集:深肤色(Fitzpatrick V-VI)样本必须占验收集的显著比例,并按肤色分层报告误差(Bondarenko 的 5.2→14.1 bpm 差距就是不分层的后果)。这与站内多光谱硬件路线(MS-rPPG)的动机互链——硬件侧拓宽光谱,是缩小该差距的手段之一。

6. 压力标签的质量预算:Stroop/冷加压/心算协议只是 Tier 1。要往上走,至少要有连续生理参考对齐 + 被试独立划分;预算有限时,优先把钱花在参考通道和被试独立性上,而不是把模型从 CNN 换成 Transformer——综述 20 篇的证据表明,瓶颈在验证设计,不在模型结构。

路线判断

我认为这篇综述对舱内功能最重要的判断是:rPPG 压力/工作负荷监测目前处于”可演示、不可承诺”阶段。心率监测可以承诺(场景条件写清即可);HRV 在静坐、良好光照、120 秒以上窗口的条件下可以有限承诺;而”压力等级”作为输出,在驾驶场景下目前没有任何一篇通过四级阶梯顶层的验证。舱内功能规划应当把”压力检测”降级为”生理趋势提示 + 驾驶行为交叉验证”,把真正的安全动作(告警、干预)锚定在疲劳/分心这些已有成熟检测链的功能上。等 SQI 门控 + 参考锚定 + 被试独立 + 人群分层的验证范式在文献里普及(综述列的五个方向里,标准化报告和鲁棒性曲线最可能先落地),再升级承诺级别不迟。

参考

1. Nasser A, Baslyman M, Elferik S. When is rPPG physiologically valid for stress and workload monitoring? A PRISMA-ScR scoping review. Frontiers in Digital Health, 2026-08-19, 8:1855425. DOI: 10.3389/fdgth.2026.1855425 / PMID 42688275
2. Odinaev I, Wong KL, Chin JW, et al. Robust Heart Rate Variability Measurement from Facial Videos. Bioengineering, 2023, 10(7):851. DOI: 10.3390/bioengineering10070851(全文经 Europe PMC PMC10376629 阅读)
3. Bondarenko M, Menon C, Elgendi M. Demographic bias in public remote photoplethysmography datasets. npj Digital Medicine, 2025, 8:593. DOI: 10.1038/s41746-025-01973-9(全文经 Europe PMC PMC12491395 阅读)
4. McDuff D, Nishidate I, Nakano K, et al. Non-contact imaging of peripheral hemodynamics during cognitive and psychological stressors. Scientific Reports, 2020, 10:10884. DOI: 10.1038/s41598-020-67647-6(综述参考 #23,本文转引其 HR 一致性与 SVM 组合特征数字)
5. Lee S, Song YD, Lee EC. Ultra-short-term stress measurement using RGB camera-based remote photoplethysmography… Medical & Biological Engineering & Computing, 2025, 63(2):497-510. DOI: 10.1007/s11517-024-03213-w(综述参考 #44,超短窗局限)
6. Meziati Sabour AA, et al. UBFC-Phys: A Multimodal Database for Psychophysiological Studies of Social Stress. IEEE Trans Affective Computing, 2023, 14(1):622-636. DOI: 10.1109/TAFFC.2021.3056960(综述参考 #45)
7. 站内关联:FLOW 最优传输域泛化 rPPG 精读(2026-10-23)、PixExpo 采集端曝光控制精读(2026-10-22)、热成像无接触 EDA/SIM1 精读(2026-10-22)、可穿戴酒驾检测试车场 RCT(2026-10-22)、TUM×BMW 行为方差分解(2026-10-21)
8. 产业动态(标题级,仅用于背景):TechCrunch(2023-01)Harman DMS 心率报道;autoevolution(2022-09)CAARESYS 归入 Harman 报道