心率(heart rate)是反映人体心血管功能健康程度的重要指标。通常,心率信息可由脉搏、心电图(electrocardiogram,ECG)、血液容积直接获得,另外非接触式电极、磁感应、微波雷达等技术的引入为非接触式测量提供了有效手段。然而,以上方法普遍存在所涉仪器昂贵,操作不便,容易引起被测量者不适等缺点,且无法满足智能医疗监测和家庭日常监护的需求。基于视频的非接触式心率检测方法相比之下有很多优势,对于这种非接触式心率测量方法,它的主要算法是独立成分分析(independent component analysis,ICA)后的频域周期分析,现仍存在测量精度不高,测量用时较长,要求检测过程尽量保持不动等缺点。本文针对以上问题展开相关工作,期望实现运动模式下也能有效,可靠地检测心率的目的。此外考虑到视频图像采集的便利性,多人同时测量也是本研究关注的内容。具体研究内容概括为如下几个方面:其一,在从人脸视频图像信号提取心率信息的过程中,考虑了诸多影响因素。为尽量得到可靠的心率信息,首先需要对图像进行预处理。通过同态滤波(homonorphic filtering)去除环境光照不均匀问题;之后进行皮肤识别去除人脸区域中非皮肤区域;皮肤反射能力不同的问题采用划分不同皮肤区域进行加权计算得以解决;此外,去线性化结合均值滤波进一步消除噪声的影响。第二,在心率周期提取中,用典型相关分析(canonical correlation analysis,CCA)的方法从经预处理后的图像中提取信息,并与传统基于ICA的算法进行比较。实验结果显示,通过相关性和Bland-Altman分析,得出基于CCA的非接触式心率测量方法相比于ICA在测量精度和测量用时方面有着更好表现。第三,用人脸追踪方法解决在心率检测过程中的运动干扰。具体使用Camshift方法进行单人人脸追踪。多人同时测量则采用Harris角点特征结合KLT追踪方法得以实现。通过实验验证,基本实现了运动模式下的单人、多人检测目标。综上所述,本文对视频信号预处理和心率周期提取方法做了一定的优化工作,并提出了多人、运动状况下得到可靠心率的方法,经实验验证,达到了良好的效果。