随着计算机与人工智能技术的快速发展,数字化诊疗技术与装备的研究已经成为当前学术与医疗领域共同关注的研究热点和技术前沿。面对心率、呼吸等生理特征监测存在的束缚性、操作复杂、费用高、等缺点,采用非接触传感方式,寻求可用于长期监测和对疾病预防的无束缚、便捷检测方法,成为国内外的一个主流研究方向。本文以欧拉视频放大原理为基础,以心率和呼吸率的非接触测量为研究目标,开展基于普通摄像头的心率和呼吸率特征提取方法研究,具有重要的理论意义和实际应用价值。本文以欧拉视频放大算法为理论基础,开展了视频放大系数的分析、特征运动补偿机理、视频信息噪声去除方法等方面开展研究,并进行了局部实验与整体验证,主要工作与创新研究成果如下:1.详细分析了欧拉视频方法原理和算法,结合心率、呼吸率的特征部位与运动幅度分析与实验,研究了颜色、微小运动、区域亮度序列对检测准确度的影响,建立了视频图像放大系数、分解层数、带通频率的选取策略。2.针对欧拉视频方法算法存在的颜色与微小运动同步放大的问题,将运动补偿算法引入欧拉视频放大算法,有效消除了微小运动放大带来的噪声干扰。基于相邻两帧的脸部特征点具有的平移旋转和尺度鲁棒性特点,提出了两帧间的特征点匹配的方法,建立了匹配变换模型。实验结果表明,采用运动补偿方法,能够有效抑制微小运动的特征点干扰,实现通过颜色变化准确检测的目的。3.针对欧拉视频放大噪声严重,且存在区域差异的问题,采用DRMF算法,对图像区域尺度选择与噪声影响关系进行了研究。提出了基于波峰的直方图修正去噪方法,实现了基于视频的心率检测,进行了实验验证。4.基于上述视频放大方法,通过实验与分析,对呼吸对腹部运动幅度、区域差异特征进行了研究。采用光流检测方法,提出了自适应胸腹部检测区域跟踪方法,实现了呼吸率的有效检测,建立了实验平台,并进行了实验验证。本文心率提取方法与Eulor和Poh的方法做对比。进行大量实验,分析了平均误差、均方根误差和相关系数三个重要的参数。证明本文算法提高了在日常生活中心率测量的准确率。本文呼吸率提取算法与呼吸带测出的标准心率做对比,实验结果表明,本文方法能准确提取呼吸率。