救援机器人在局部战争、自然灾害、核生化恐怖事件以及公共卫生安全事件等应用领域中扮演着日益重要的角色。机器人可以代替救援人员在复杂未知的动态环境下,从事伤员(幸存者)的搜救工作,有助于提高救援效率。对于救援机器人而言,快速准确的伤员生理参数感知能力成为机器人智能化的关键特征之一。而传统的人工检测、穿戴式等生理参数测量手段很难适应未来机器人自主搜救需求。研究开发具备前端自主能力,可以及时获取伤员基本生命体征的技术方法,继而实现伤员(幸存者)的主动识别,对于提升救援机器人的无人智能化程度至关重要。本文开展了基于人体面部的非接触式生理参数获取方法的研究,结合真实搜救行动特点,以救援机器人为载体平台进行应用探索。深度剖析远程光电式脉搏波描记方法(Remote Photo Plethysmography,RPPG)的生物光学原理,以人体面部作为生理信号采集兴趣区域(Region of Interest,ROI),在RPPG基本技术框架基础上运用人脸检测与跟踪方法、最大比合并算法(Maximal Ratio Combining,MRC)、同步压缩变换(Synchrosqueezing Transform,SST)等方法提升非接触式心率、呼吸率测量的准确度和鲁棒性,提高无人平台的适应性,并通过构建模拟实验来评估本文提出方法的真实性能。分析了RPPG技术的基本原理。从生理学基础入手,介绍人体循环系统和血液容积脉搏波(Blood Volume Pulse,BVP)的形成机制及特征点。揭示皮肤组织的光学吸收原理,探讨将人体面部作为ROI的优势及特点。形成了RPPG技术的基本流程框架,并阐述其影响因素与评价指标。针对RPPG技术在无人平台应用中面临的难点与挑战,本文通过对关键的技术环节进行改进和优化以提高技术系统的整体性能。采用Viola-Jones人脸检测器来完成视频图像中人脸区域的自动初始化检测,运用KLT角点特征跟踪法(Kanade-Lucas-Tomasi Tracking,KLT)对人脸部位进行跟踪,提升脸部在运动过程中的提取效率,提高生理信号区域的价值。运用MRC算法来分集合并将人脸图像分成的像素区域内脉搏波信号(Photo Plethysmography,PPG),提高信噪比(Signal-Noise Ratio,SNR),从而获取稳健的PPG信号,之后进行心率的提取。设计了多种实验场景如人脸静止、移动、话说来验证提出方法的应用表现。阐述了人体呼吸动作对脉搏波信号的三类调制模式,解析其形成机制与不同模式对PPG的影响特点。采用SST方法重构呼吸对PPG信号诱发的幅度、频率和强度分量,提升时频谱的能量聚集性。得到各分量时频谱后,融合三个频谱峰值检测出准确稳定的瞬时呼吸频率。以公开的基准呼吸信号数据库Capnobase开展呼吸率提取方法的评估测试。进行复杂应用场景下心率、呼吸率测量算法的验证和嵌入式样机的初步搭建。模拟了不同伤员位姿,从仰躺、侧卧两种体位采集正侧面人脸,测试本文算法在地面移动机器人(Unmanned Ground Vehicle,UGV)的应用性能。对比UGV和无人飞行器(Unmanned Aerial Vehicle,UAV)在不同人脸采集距离的生理信号测量性能,突出了无人平台适应性,选用高性能计算板卡来搭建移动便捷式物理样机,实现算法实用化的初步探索。本文创新应用无人平台为技术目标载体,首次提出将RPPG技术应用于伤员生理参数获取。结合平台和技术优势,创新运用MRC算法进行多信号通路的分集合并,获取最大信噪比,从而得到稳健的PPG信号用于心率和呼吸率的测量。融合三种呼吸动作对PPG信号的调制影响,采用SST方法和峰值融合的方法来提取瞬时呼吸频率。本文创新实验设计来验证提出方法的真实应用性能,在多种常见位姿、远近测量距离、空地无人平台等实验条件下开展实验,数据结果表明本方法跟“金标准”设备和经典基准算法对比,本方法实现的非接触式心率、呼吸率测量具有较高准确度,在不同平台应用适应性好。论文研究成果对于提高无人平台的远程生理参数获取能力取得初步成效,为构建伤员模拟实验提供了思路参考,为进一步提升救援机器人执行伤员救援任务时的实战性能打下基础。