伴随着人类社会的快速发展,人们在日常生活过程中产生的工作记忆负荷会导致人们的生理及心理变化。因此,对于工作记忆负荷的评估具有重要意义。在现有的工作记忆负荷评估方法中,主观评估法通过人的主观感受进行评估,简单便捷,但是存在着高度的主观性;客观评估法主要通过观察生理特征的变化进行评估,准确率高,但是大多需要使用接触式设备,体验感较差。近年来兴起的成像式光电容积描记（Imaging Photoplethysmography,IPPG）技术可以对生理特征进行非接触式提取,但是如何提取出高质量的IPPG信号成为了研究的难点。针对上述问题,本文基于IPPG技术,提出了一种基于面部视频的工作记忆负荷评估方法,主要研究工作和贡献如下:（1）针对IPPG信号的高质量提取,本文提出了一种基于时变滤波经验模态分解（Time Varying Filter for EMD,TVFEMD）和小波阈值的联合去噪算法。该算法首先使用TVFEMD算法对含噪较多的IPPG信号进行分解,得到多个本征模态函数（Intrinsic Mode Function,IMF）分量,对含有噪声较多的IMF分量进行小波阈值去噪处理,并使用处理后的IMF分量进行信号重构,最后经过滤波处理,提取出质量较高的IPPG信号。（2）针对提取出的IPPG信号,计算与工作记忆负荷紧密相关的心率,并进行误差分析,证明了使用本文算法进行非接触式心率测量的有效性和准确性;另外,本文分析了不同视频帧率和不同像素点采样个数对于非接触式心率测量的影响,对于后续的IPPG技术研究具有一定的探索价值。（3）针对目前工作记忆负荷评估方法所存在的问题,本文提出了一种非接触式的基于面部视频的工作记忆负荷客观评估方法。该方法利用面部视频进行IPPG信号的提取,得到心率变异性等特征,并考虑到特征冗余的影响,使用递归特征消除算法进行特征选择,输入到随机森林中进行工作记忆负荷水平的分类,得到了较高的分类准确率,从而建立了多种特征与工作记忆负荷水平之间的映射关系,实现了对于工作记忆负荷的客观评估。