心率（Heart rate,HR）是人体重要的生理指标之一,便捷的心率检测方法是健康管理和疾病预防的重要保障。传统的心率检测方式如心电图（ECG）、脉搏式血氧仪等都是接触式的,使用不方便且易导致不卫生等问题。近年来,基于人脸视频的非接触式心率检测方法受到学术界和工业界的广泛关注和深入研究,并取得了较大进展。但该技术易受光照变化、人脸运动、兴趣区域选择等多种因素影响,与接触式检测方法相比,准确率不高和稳定性差。本文从心率信号重构视角出发,提出了基于自适应变分模态分解重构和结构稀疏表示重构的心率检测算法,并根据实际应用需要,开发了面向社区矫正中心的实时心率检测系统,主要工作如下:1.自适应变分模态分解重构心率检测算法。已有的模态分解方法存在分解模态数难以确定问题,导致分解的模态混叠或过分解和欠分解。为此,提出一种自适应变分模态分解重构心率检测算法。首先,利用经验模态分解对远程光学体积描记术信号进行分解获取信号模态数,设计自适应变分模态分解算法,分解信号获取不同频率和带宽的模态;然后根据心率频率范围和模态中心频率重构心率信号;最后进行功率谱密度分析计算心率。公开数据集UBFC和PURE上实验结果表明,该方法心率检测平均绝对误差小于5 bpm;与经验模态分解方法相比,均方根误差减小了2.19 bpm。2.结构稀疏表示重构心率检测算法。同一人体的心跳是一致的,但人脸面部血管分布不同、噪声干扰不一致,导致心跳在人脸面部形成的颜色变化不同。基于此事实,提出一种结构稀疏表示重构心率检测算法。首先,选择感兴趣区域并将其划分为多个子区域,提取子区域RGB通道信号进行失真补偿,计算色度信号构造原始心率信号;同时,基于心率信号的周期性和脉搏性,构造由离散余弦基信号和小波基信号组成的混合字典;然后对原始心率信号进行结构稀疏分解;最后重构心率信号进行功率谱密度分析计算心率。两个公共数据集上多方面的实验验证了方法的有效性,在UBFC数据集上与DAOMP方法相比,平均绝对误差降低了3.732 bpm,均方根误差降低了8.824bpm,检测准确率提高了3.546%,Pearson相关系数提高了0.223。3.实时心率检测系统的设计与实现。在结构稀疏表示重构心率检测算法基础上,开发面向社区矫正中心的便携式实时心率检测系统。系统采用分布式架构设计,分为客户端和服务端。客户端的开发基于Vue.js框架,主要功能为网络通信的配置、实时心率检测结果的显示等;服务端的开发基于Python和第三方库,主要功能为人脸检测、心率检测等。通过实际应用进一步验证了结构稀疏表示重构心率检测算法的有效性。