人体生理参数检测是临床生命体征监护的一种重要技术手段。随着先进传感技术的迅速发展,生理参数检测方式开始从传统的接触式向非接触式迈进。非接触式检测将注意力由设备转向“人”本身,即受试人员在不受设备束缚的条件下展开被试研究。成像式光电容积描记（image photoplethysmography,IPPG）作为近年来兴起的一种新型非接触式生理参数检测技术引起研究者的广泛关注。IPPG通过RGB摄像头等成像设备采集体表裸露区域的视频数据,使用智能信息处理算法从视频帧序列中构建生理信号。有别于传统的生理参数测量方法,IPPG技术通常面临背景噪声复杂、部分生理参数提取算法的稳健性较差等问题困扰,相关研究进展缓慢。本文在深入研究基于IPPG的生理参数检测方法的基础上,通过理论分析与算法设计,对该领域中涉及的关键技术进行研究与完善。通过对基于盲源分离（Blind source separation,BSS）/独立分量分析（Independent component analysis,ICA）提取血液容积脉搏波（Blood volume pulse,BVP）这一重要IPPG研究方法进行深入分析评估,填补已有研究中关于该工作的缺失。在此基础上探索血氧饱和度、呼吸率、心率变异性等重要生理参数的提取方法。具体研究工作与创新点可归纳为以下四部分:第一,基于多种不同的BSS/ICA算法,从运算开销对比与优化、BVP源排序稳定性、BVP源成分中噪声残留、基于先验空域滤波器提取BVP的稳定性等方面开展BVP提取综合对比评估,为最优算法选择以及相关IPPG研究工作的进一步拓展提供有价值的参考。实验中发现,相比已有IPPG研究中的常用算法,基于二阶盲辨识（Second order blind identification,SOBI）所提取的BVP成分具有较优的波形质量,对于提升生理参数检测算法的稳健性具有重要意义。此外,针对BSS/ICA分离结果中源排序模糊性问题,通过设计功率谱峭度结合心率预测值的方案实现了BVP源的准确识别。第二,提出了一种基于SOBI算法的血氧饱和度提取方法。在深入分析已有基于RGB摄像头的血氧饱和度提取研究基础上,针对传统方法中直接使用红蓝通道信号交流分量的标准差计算血氧饱和度参数所面临的复杂噪声干扰问题,使用SOBI算法对红蓝通道交流成分进行分离运算,提取混合矩阵中所保留的能量系数用以目标参数计算。此外,针对传统红蓝通道信号组合方法中存在血氧浓度变化趋势易丢失的缺陷,研究中通过引入稳定基准参考样本加以补偿。通过以上努力,算法的抗噪声能力得到显著增强,相关缺陷得以有效克服。实验结果表明,所提方法具备可靠的血氧饱和度估测准确性,通过进一步拓展研究具有广阔的应用前景。第三,提出了基于面部运动伪迹的呼吸及其他特征参数提取方法。对部分面部区域的运动伪迹开展研究,将其中的节律性成分视为重要特征参数加以提取。首先,基于SOBI算法从嘴部与咽喉部所组成的双敏感区域中同步提取出呼吸成分与BVP成分。其次,在对RGB观测信号进行运动敏感性分析基础上,基于R通道实现眨眼脉冲与哈欠动作特征提取。该工作可以拓展IPPG的应用性,为人机交互控制等领域提供一种高效便捷的信息通道。第四,提出了基于带约束条件ICA与变分模态分解算法的心率变异性参数提取方法。研究中涉及BVP参考信号的构建、基于带约束条件ICA的BVP源信号提取、优质脉搏波成分提取与心率变异性分析等工作。通过带约束条件ICA与变分模态分解算法相结合实现优质脉搏波成分提取,有效解决了传统研究中因BVP成分的低信噪比缺陷导致心率变异性参数难以准确估测的问题。通过以上研究中的理论分析、算法设计、实验验证等工作,以期提高基于IPPG的人体生理参数检测技术的准确率与可靠性,进一步完善IPPG研究中的部分关键技术,并为该领域提供有参考价值的研究结论与方法,拓展其应用前景。