心率(Heart Rate,HR)是反映人体健康状态的一个重要生理指标,在医疗健康领域中,心率指标对心血管疾病的预防和诊疗具有重要意义。因此,能够实现准确的日常心率检测对于人体健康评估和监护至关重要。目前广泛使用的心率检测方法大多为接触式测量,这类方法需要专业的设备与受试者皮肤直接接触,在操作便捷性和设备便携性上存在一定的局限性。同时,长时间与皮肤接触式测量会引起受试者不适,难以满足日常心率监护的需求。最新的研究表明,成像式光电容积脉搏波描记法(image PhotoPlethysmoGraphy,iPPG)具备非接触式生理信号检测的潜力。iPPG技术利用计算机视频图像处理技术和数字信号处理算法从受试者面部视频中提取出反应人体血管中血液容量体积变化的脉冲信号(Blood Volume Pulse,BVP)。基于BVP信号可进一步获取受试者的心率参数。关于iPPG技术,多个研究机构开展了心率等生理参数的提取研究。然而在已公开的相关研究文献中,面部视频数据的采集多数是在受试者处于相对静止的理想状态下,即,通过实验范式设计,尽可能地减小运动伪迹干扰。当受试者头部发生运动时,心率检测的准确性将会迅速降低,算法的鲁棒性存在明显缺陷。同时,在基于面部视频的非接触式心率检测研究中,颜色空间的选择尚未有统一标准。基于此,本文在基于面部视频心率检测技术的抗运动干扰、颜色空间选择等方向开展研究工作,提出了相关解决方案,并取得了较为理想的实验效果。本文的主要研究工作如下:(1)本课题在分析大量实验数据和相关研究文献的基础上,给出了心率检测算法性能的定量和定性评价指标,并基于上述指标对本文提出的抗运动干扰心率检测算法进行有效性评价。(2)针对心率检测运动干扰的问题,本文提出了一种基于kanade-Lucas-Tomasi(KLT)追踪和独立分量分析(Independent Component Analysis,ICA)的BVP信号检测方法,该算法中,人眼检测和KLT方法用以定位和跟踪面部感兴趣区域(Region Of Interest,ROI),并使用ICA方法来改善BVP信号的信噪比。为了验证该算法的有效性,本文基于不同受试者录制的120个面部视频进行心率信号提取实验,并与其他常用的心率检测方法进行对比,实验结果表明,本文所提的算法在消除运动干扰方面具有较好的效果。在使用盲源分离(Blind Source Separation,BBS)方法时,本文对比了四种经典的ICA方法在BVP信号去噪方面的效果,其中,二阶盲识别(Second Order Blind Identification,SOBI)算法具备较优的去噪性能。(3)研究颜色空间选择对心率检测精度的影响。依托本文提出的心率检测算法,对五种常用的颜色空间在心率检测精度方面的特性开展对比研究。并利用公开数据库LGI PPGI Face Video进行不同颜色空间心率检测实验,结果表明RGB颜色空间在心率检测精度和运算复杂度等方面都有较好的表现。(4)依托本文所提的抗运动干扰心率检测算法,基于Visual Studio 2013平台,利用C++编程语言和OpenCV计算机视觉库编程实现了离线和在线抗运动干扰心率检测系统。并基于该软件平台开展心率检测测试,测试结果表明,系统的心率检测结果与心率参考值具有较好的一致性。最后对心率检测系统运行界面进行了展示。