心率是一项重要的生命体征参数,可以反映个体的生理和心理状况,其检测广泛应用于医学诊断、健康监护、疲劳驾驶检测等领域。近年来,基于普通摄像头的远程光电容积描记术（remote photoplethysmography,r PPG）技术由于无需与个体接触、成本低、简单方便和应用广泛等优点,成为研究热点。但是,由于r PPG技术包含的脉搏波信号幅值微弱,易受到运动伪迹的干扰,导致检测的心率值准确度下降。本文针对两种运动伪迹场景,提出基于盲信号分离的运动鲁棒视频心率检测方法,提升视频心率检测的准确性和鲁棒性。一方面,针对受试者头部运动范围较大或受试者在监测环境中四处走动时,单个摄像头不能每时每刻检测到受试者的面部,本文通过结合集合经验模态分解（ensemble empirical mode decomposition,EEMD）和时延典型相关分析（timedelay Canonical correlation analysis,TDCCA）,采用多个同步摄像头对受试者进行无缝拍摄,进而实现远程心率检测的模拟研究。对于每一帧图像,从多个摄像头中选择面积最大的感兴趣区域作为目标感兴趣区域。其次,计算该目标感兴趣区域内所有像素的平均值,一帧帧地构成多通道RGB像素均值序列。然后,联合集合经验模态分解和时延典型相关分析获得血容量脉冲信号,进而计算视频心率。在自采数据库上验证该算法的性能,同时与其他四种典型方法的性能进行对比,结果表明该方法获得最佳性能,平均绝对误差为4.11次/分钟,平均百分比误差为5.26%,均方根误差为5.37次/分钟,皮尔逊相关系数为0.90。另一方面,针对受试者头部运动幅度较大的情形,提出了一种基于盲源分离和谱减法技术相结合的运动干扰去除方案。过联合分析面部感兴趣区域的RGB像素均值序列和面部特征点的运动轨迹来提取运动噪声源信号,并将之从RGB像素均值序列中消除,之后采用谱减法技术对运动噪声做进一步抑制,达到抑制运动干扰,从而提高视频心率检测的准确度。采用公开数据库UBFC-RPPG验证算法性能并与其他方法性能做对比,结果表明本文所提方法具有最佳性能。综上,本论文为真实环境下视频心率检测提供了解决方案。