FacePhys 视频生理检测

解决无接触生理监测的门槛问题

传统穿戴设备（如手环或指夹式血氧仪）虽然能提供相对准确的生理指标，但存在佩戴不适、电量焦虑以及数据孤岛等问题。对于只想快速了解自身当前状态的用户来说，频繁佩戴设备的门槛过高。FacePhys 通过机器视觉技术将这一过程简化：只需上传一段 10～30 秒的正脸自拍视频，即可在不接触身体的前提下，获取心率、HRV（心率变异性）、呼吸率以及情绪状态等关键指标。这种方案的难点在于如何从包含运动伪影和环境光变化的视频帧中提取微弱的生理信号。

工作原理与核心能力

该 Skill 默认调用官方 FacePhys CLI 而非依赖本地 MCP 配置，这降低了环境搭建的复杂度。核心工作流包括以下关键步骤：

• 凭证鉴权：通过 WorkBuddy 的安全凭证设置管理 FACEPHYS_SECRET_KEY，确保密钥不泄露至聊天上下文。
• 视频信号处理：分析视频帧中的面部特征点（如 ROI 区域），利用 rPPG（远程光电容积脉搏波描记法）技术推算心率与呼吸率。
• 质量评估与报告生成：在输出结论前，系统会计算视频信号质量（SQI）。若 SQI 低于 0.4，说明视频环境不适合分析，Skill 会建议重新录制。最终结果以 HTML 报告和中文摘要形式呈现，避免直接展示复杂的 JSON 数据。

适用边界与注意点

• 非医疗用途：检测结果受光线、姿态和分辨率影响较大，仅供一般健康参考，严禁用于疾病诊断或用药决策。
• 隐私合规：仅支持分析用户本人或获得明确授权的视频，禁止用于偷拍或未授权的身份识别。
• 特殊指标解释：当频域指标（如 LF/HF）出现异常（如 0 值）时，说明自主神经平衡无法可靠估计，不应将其解读为正常值。