随着国民对于疾病早期预防意识的增强,个人生理信息的收集和检测愈发受到重视。心率作为人体最重要的生理指标之一,能够反映出生理健康状况和情绪状态,具有特殊的研究意义。但是传统的心率测量方法不仅受到测量设备和场地的限制,而且还会给受测者带来不适感,因此便携性高和操作简单的非接触式心率测量方法受到的关注越来越多。其中,基于人脸视频的心率测量方法具有很大的研究价值和应用前景。然而,环境光线的变化、面部的表情以及头部的运动等因素给非接触式心率测量带来了不小的挑战。针对上述挑战,本文为基于人脸视频的心率测量系统的各个检测环节提出了对应的解决方案。在人脸ROI的选择环节中,对人脸视频进行人脸关键点检测并定义多个人脸ROI,通过对比实验发现了除去眼睛和嘴巴的面部皮肤区域是最优ROI。它保留了尽可能多的心率信息,而且还能从源头上减少表情噪声。另外,它可以通过人脸关键点算法来实现运动跟踪,进而减少由头部运动所引入的噪声。在心率原始信号的提取环节中,本文采用了RGB颜色模型,能够从人脸ROI的绿色通道中提取到质量较好的心率信号。这个做法的理论依据是:相对于红色光和蓝色光,绿色光会更好地被血红蛋白吸收,因此它可以更深入地渗透到皮肤中以探测血管系统,从而更好检测到心率信息。在噪声处理环节中,本文根据背景区域的光照利用自适应滤波计算出人脸上的光照噪声,从而实现了光照噪声的去除。针对表情噪声,还提出了一种心率信号的平滑方法,减少了由表情引起的心率信号剧烈波动。最后,利用去趋势滤波器和带通滤波器将其他噪声进一步滤除,获取到了接近于真实心率的信号。在心率计算环节中,本文提出了一种加权平均的心率计算方法。相比于传统计算方法,它能够快速地结合多次心率测量结果以提高最终输出心率的准确性和稳定性。最后,在具有挑战性的MANOB-HCI数据集中进行了四组对比试验,验证了上述方案的有效性。