心率是反映人体心血管功能、临床诊治的重要指标。传统的接触式心率检测方法由于其操作不便、设备复杂昂贵、容易给被检测者造成心理压力等原因阻碍远程医疗、日常生理参数检测的推进。相比之下,基于光电容积脉搏波成像技术(Photo-Plethysmography Imaging,PPGI)的非接触式心率检测方法具有无创、操作简单、便携等特点。利用人脸图像提取心率信号是非接触式心率测量的实现方法之一,但是通过普通摄像头采集人脸视频获得的光电容积脉搏波信号,心率信号微弱,较难从呼吸、骨骼肌收缩、身体微小颤动等低频噪声中分离出来,而且容易受到被检测者运动的影响。如何增强心率信号,抑制运动伪差并从噪声中分离心率信号是本文研究的主要工作,主要包括以下几个方面:1)研究了 PPGI信号的波形特征及影响非接触式心率测量正确性的主要因素,根据噪声特点提出使用基于Mallat算法的小波重构与去噪算法来将心率信号从PPGI信号中分离出来。2)为了解决心率信号微弱导致提取困难的问题,研究了欧拉放大算法(Eulerian Video Magnification,EVM)在HSV空间上对信号进行颜色增强的方法,扩大心率信号的幅值范围。同时针对心率信号增强过程中的运动干扰,提出结合拉格朗日视角进行人脸运动轨迹跟踪来获得感兴趣区域,再进行后续颜色增强。通过实验验证,结合拉格朗日视角进行颜色增强能有效抑制运动伪差,实现运动状态下心率信号增强,而且运算速度快、效率高。3)改进了基于人脸图像的非接触式心率检测流程,针对心率信号的非平稳性,利用时频分析的方法来进行周期分析,获得实时心率信号。并利用Bland-Altman方法对本文改进的心率测量方法与传统测量方法进行一致性评估,证明本文改进的心率测量方法的有效性。4)探讨了不同因素对心率检测精度的影响,如视频时长、不同心率范围、感兴趣区域和光照,并证实了该心率检测方法能够较好适应不同的场景,且具有较高的效率及精确度。