传统的接触式健康监护手段存在诸多局限性,例如皮肤接触会带来不适感、电缆连接将损失检测的灵活性、介入式检测容易引起生理指标的变化等等。基于面部视频的非接触式健康监护手段提供了一种新型的自我保健方式,设置简单易得,方便舒适,且适用于烧伤患者、早产儿等皮肤脆弱的患者,可以实现全天候无人监测。这种基于面部视频的心率和不适感自动检测可以帮助人们获得最佳的健康收益。本文使用一个常规相机捕捉受试者面部视频,连接到后端智能算法系统中,依靠r PPG心率检测技术、计算机视觉相关算法和信号处理相关方法对面部视频帧进行处理提取有用信息,检测人体在昼间和夜间的心率与不适感,推动了一种非接触式的新型健康状况监护手段的发展。首先,本文基于红外相机对夜间心率检测进行了算法研究。对于脉动性较弱且无法使用通道组合方法的红外单通道图像和信号,本文分别提取了皮肤和非皮肤区域像素创建多个通道并融合,利用非皮肤区域像素反应出的光照变化来消除皮肤区域像素上的光照干扰,从而提高脉动信号的质量。本文所提出的通道扩展算法可以校正原始信号中得到的错误心率值,明显提高信噪比,减少测量误差。平均而言,测量覆盖率从50%提高到83%,平均信噪比从-8.40d B提高到-4.62d B。本文提供了一种有效的非接触式测量睡眠基准心率的解决方案。其次,本文针对昼间心率检测进行了一系列低成本软硬件设置的探索。目前先进的r PPG技术主要基于昂贵的摄像机,为推动r PPG技术的大规模使用,必须使用低成本摄像机。本文根据实验场景需求分别选择了一款网络摄像机和工业相机,并为之设计适配的软件解决方案。对于更加廉价易得的网络摄像机,在绿色通道使用奇异谱分析算法达到了92%的测量覆盖率,即在无明显运动的情况下可以得到较高的平均心率正确率,对于家庭日常保健更具经济实用性。而对于广泛应用于专业场景特定领域的低成本工业相机,采用平面正交肤色算法可以将信噪比从-6.70d B提高至-2.21d B,获得高质量心率信号,便于精确获得瞬时心率或其他心脏特征,因此可以用于对系统性能要求较高的用例,如医院临床心率监护。我们不仅可以从一段面部视频序列中得到心率等生理信息,还可以从中得知人体的舒适或不适状态。本文提出了一种基于三维卷积神经网络自动且连续的视频处理系统,对人体不适感进行端到端的检测。由于数据集的限制,本文仅对新生儿的舒适状况进行判别。文中提出了一个基于像素强度与光流组合五通道输入的三维卷积神经网络,并深入研究了用于新生儿不适检测的像素强度和运动的视频特征以及2维或3维的卷积神经网络结构。实验发现,通过合并来自光流通道的信息,三维卷积神经网络的注意力更加集中在面部区域。本文改进了三维卷积神经网络用于不适感检测,所得AUC值为0.99,准确率为0.98,验证了算法的鲁棒性。该方法可做到实时监测,且不需要常规的前端人脸检测和人脸跟踪步骤,适合处理存在面部遮挡等挑战性的情况。系统报警将由检测到的不适状态触发,通知临床人员及时、妥善处理新生儿的状况。因此,该系统可以预防致命事件的发生,并改善婴儿的早期发育情况。