心率作为一种重要的生命体征,是评估自身身体健康状况的一项重要指标,在心血管疾病的预测、医学诊断、心理测谎评估、监控运动安全、防止疲劳驾驶等领域有着很好的应用前景。目前接触式的心率检测技术应用广泛,但由于心率测量仪器与被测者肌肤直接接触,对于新生儿、严重的烧伤患者等的心率监控并不适合。本文在光电容积描记法原理的基础上,应用欧拉放大算法、脉搏信号区域的定位、去趋势波动分析算法、改进的小波阈值函数去噪等方法,在自然光照下,通过采集人脸视频,根据血液的运动使人脸皮肤颜色发生细微的变化,提取出心率信号。这种非接触式的心率测量成本低廉、操作简单,近几年引起了广大研究者的广泛关注。然而由于自然光照的变化、人脸面部的运动、脉搏波中含有其它的生理干扰信号的影响,心率信号中往往含有大量的噪声,从而使心率检测不准确。基于这些原因,本文对基于人脸特征点的心率测量方法做了以下的改进:1)通过普通摄像头采集一段人脸视频图像,然后通过欧拉放大算法使人脸皮肤颜色的变化信号强度增强。2)通过HOG特征提取与级联分类器相结合的方法检测人脸,再使用级联回归森林算法检测出脸部的68个特征点,根据这些特征点拟合出人脸部的多边形区域,从而对脸部感兴趣的区域准确定位,以减少由于运动引起的脸部区域的定位误差。3)由于光照的变化带来的噪声,运用去趋势波动分析算法去除其趋势项,由于视频采集过程的噪声运用改进的小波阈值函数去噪。最后使用傅里叶变换将信号从时域转换为频域,计算出心率值。4)本文提出的心率检测算法,实现了离线和实时在线的心率检测,并在不同的运动状态和不同的光照条件下对本文的方法进行验证,将测得的心率值与手环测得的结果相比较,结果表明在不同的光照条件鲁棒性强,在不同的运动状态下检测结果误差不大,准确度较高。