血压一直是心血管疾病的潜在危险因素。血压测量是心血管疾病早期诊断、预防和治疗最有用的方法之一。血糖也与人体的健康息息相关。高血压与糖尿病是危害全人类健康的重大疾病。所以,便携可靠、可持续的血压与血糖监测设备对于疾病的防治尤为重要。传统的水银血压计与现在家庭中常用的袖带式电子血压计是目前主流的血压检测设备。水银血压计虽然准确率高,但操作复杂,专业性要求高。电子血压计通常用于家庭监测,但是电子血压计的使用有很多局限性,例如精度受传感器位置影响,无法进行连续测量等缺点。目前主流的血糖检测方法主要通过验血或血糖仪确定,这些方法都是通过有创的方式进行测量,会对人体造成损伤。频繁的有创伤的采集血液会使得患者严重不适并。因此,寻求一种精确、方便、安全和舒适的血糖测量方法是糖尿病患者迫切需要的。图像式光电容积脉搏波描记技术（IPPG）是一种新兴的非接触式光学检测技术。该技术通过从人体皮肤组织收集丰富而可靠的血流信息（脉搏波信号）,这些信息是与我们人体生理状况是紧密相关的。此外,该技术可以在任何能够捕获和处理视频的设备（例如,网络摄像头、智能手机等）上实现。该方法具有操作简单、使用舒适、测量连续等优点,便于日常监测。本文旨在依靠IPPG技术,实现血压与血糖的非接触式测量。本文的具体研究工作如下:1、本课题设计了一种基于脉搏波传导时间（PTT）的非接触式血压检测（NCBP）系统。该系统通过高速工业相机采集人体面部和手掌部位的视频,并分别提取面部和手掌的IPPG信号。从两路信号中获得PTT来进行对血压的预测。该系统通过单相机实现对人体两个部位的拍摄,并且可在环境光下进行实验,无需外加光源。通过对140位志愿者的实验数据分析,实验结果符合BHS与AAMI国际标准。该方法设备简单,实验方便,为便携式血压检测与高血压辅助诊断提供了新的解决方案。2、在基于PTT血压检测的研究工作中,IPPG信号的采集需要获取人体两个部位的信号,这会导致测量的不便,而且高帧速的工业相机成本较高。因此,在第二个课题中设计了一种基于机器学习方法的非接触式血压检测系统。该系统在环境光下通过网络摄像头采集面部视频,并从视频中提取脉搏波信号。在该工作中,我们从IPPG信号中提取了26个脉搏波波形特征,并筛选出与血压具有高度相关性的特征,运用不同机器学习算法进行特征训练并建立血压预测模型。同时,提出了一种基于面部伪彩图和人体外貌特征的感兴趣区域（ROI）选择方法。该方法通过伪彩图的形式直观的观察志愿者面部的光强分布,结合男女性的外貌特征,找到最适合分析的区域。通过对191名志愿者进行实验并比较四种模型,支持向量回归（SVR）是预测血压的最佳模型,实验结果完全符合上述两种国际指标。最后,该方法进一步简化了实验设备、降低实验成本,增强了IPPG技术在便携式血压检测方向落地的可行性。该系统具有替代传统袖带式血压计的潜力,对血压测量设备的未来发展具有指导意义。3、在基于机器学习方法的血压检测工作中,脉搏波特征值需要手动定义与计算,这会导致较大的工作量。并且,在一些特征的定义上,比如脉搏波波形面积特征,由于脉搏波波谷不是严格的在同一条水平线上,这会导致某些特征定义会存在歧义,进而导致计算误差。基于此,在第三个工作中,我们提出了一种用于血压预测的多特征融合（MTFF）深度神经网络模型。该模型包含两个模块:一是卷积神经网络（CNN）模块,用于训练脉搏波信号的形态和时频特征,二是双向长短期记忆（BLSTM）网络,用于训练脉搏波信号的时间特征。训练后通过特定的融合模块将这些特征融合,建立融合特征与血压之间的关系模型。该模型的结果完全符合AAMI和BHS两种国际标准。与基于机器学习的血压预测方法的区别在于,该方法通过深度学习模型自动提取脉搏波特征,可以轻松处理复杂繁琐的计算,同时训练融合了三种不同的特征,进一步提高了血压预测的准确性。4、目前主流的血糖检测方法都是有创的,会对人体造成损伤,不便测量,非接触的测量方式能够避免这种问题。所以,在第四个工作中我们提出了一种基于近红外相机的非接触式血糖检测方法。由于血糖在近红外波段具有较强的吸收性,并且该波段内血液中的其他成分（水、血红蛋白等）吸收性非常低。所以在该方法中,我们通过近红外相机接收经过血糖吸收后反射回的光来实现对血糖的检测。同时分析与讨论了与血糖具有高度相关性的脉搏波特征,并运用多种回归算法实现血糖预测模型的建立。最后,实验结果通过克拉克误差曲线分析,表明该方法与商用连续血糖监测仪具有很好的一致性。与传统有创血糖检测方法相比,非接触式的血糖检测方法更具有应用前景。