心率是一项能有效反映心脏状态的重要指标。传统检测心率的方法要求紧密接触体表皮肤,这会给受试者带来不适。研究发现,成像型光学体积描记技术(Imaging plethysmography,IPPG)可以通过普通的彩色相机捕捉人脸的颜色变化实现心率检测。该技术具有非接触、低成本等优势,但是测量结果容易受到运动干扰的影响。干扰因素在不同的IPPG设备之间存在差异,使用普通相机进行人脸视频采集时,测量结果容易受到面部表情变化的影响,而当智能手机作为心率检测的工具时,手的抖动是降低检测精度的主要因素。针对上述问题,为了提高IPPG设备检测心率的准确性,本文做了如下工作:(1)针对普通相机提取心率存在的噪声问题,提出一种抗面部表情变化的心率检测方法。该方法首先将人脸划分为多个子模块并构建脉搏信号矩阵;由于理想的脉搏信号矩阵具有低秩特性,利用自适应矩阵分离算法去除该矩阵中的运动噪声;然后从处理后的脉搏信号矩阵中挑选出心率信息丰富的子模块建立脉搏融合信号;最后计算脉搏融合信号的功率谱密度并完成心率估计。(2)针对智能手机提取心率存在的干扰问题,提出一种手机端抗抖动干扰的心率检测方法。该方法首先通过基线消除、尖峰平滑和五点三次平滑算法去除脉搏信号中的基线漂移和尖锐脉冲;然后利用脉搏信号的短时平稳特性,将延时信号作为自适应滤波器的期望信号来消除噪声并恢复信号的细节信息;最后输出干净的脉搏信号并计算心率。为了检验方法的性能,分别通过普通相机和智能手机采集大量的人脸视频,30名测试者参与了此次实验,共录制了351组视频样本。实验结果表明:在各种测试环境下,本文提出的方法优于经典的心率检测算法,能够有效地去除干扰噪声提高心率检测的鲁棒性。