呼吸率是评价人体健康状态的重要指标之一,在呼吸疾病的预防与诊断上有着重要意义。目前呼吸检测设备多为医院专用设备,无法满足日常家庭检测的需求,而非接触式视频呼吸率检测方法因其通用性强,成本可控等特点在智慧医疗领域具有很高的开发前景。但现有视频法在场景噪声削弱和夜间信号获取方面仍存在一定问题;不同检测场景下有效呼吸区域的获取问题也影响着呼吸检测性能。针对噪声信号抑制以及场景适用性问题,本文深入研究了基于相位信息的视频放大方法以及面部呼吸特征跟踪方法,分别提出了昼夜环境下基于胸口定位以及人脸呼吸信息提取的视频呼吸检测方法。创新性概括如下:(1)提出了一种昼夜环境下的基于胸口定位呼吸率检测方法,该方法研究昼夜环境下的信号提取问题。首先采用红外相机确保夜间信号的有效获取,通过人脸检测结合人体比例关系确定胸口区域;并考虑呼吸相位信息变化,采用视频相位运动放大技术实现呼吸区域的信号放大与有效提取;采用最大似然估计法对放大后的呼吸信号进行呼吸频率的初估计,并以初估计频率作为参考值,通过平滑滤波操作进行呼吸波形的优化;最后,采用峰值检测完成呼吸频率的二次估计。(2)提出了一种基于人脸呼吸特征信息跟踪的呼吸率检测方法。该方法重点研究呼吸运动引起的面部特征点变化问题。获取人脸区域后,采用判别响应图拟合算法生成人脸器官特征点,并选择呼吸特征点作为跟踪目标,记录特征点的纵向位移变化记为呼吸起伏信息;引入小波分解,设定固定分解层数,可以在消除跟踪数据噪声的基础上提取呼吸信号;简要介绍了基于脉搏波信息提取的呼吸估计方法,并通过实验验证了方法的准确性及适用范围。为了检验本文提出的基于视频的呼吸率检测方法性能,本文采集了大量白天、夜间的成人呼吸视频进行实验。结果表明:在室内有无光源两种实验环境中,本文方法均与真实呼吸率保持较好的一致性。通过性能测试与稳定性验证实验,本文方法较经典视频呼吸检测方法具有更高的准确率与鲁棒性。基于人脸特征信息的呼吸率检测也具有可靠的检测性能,为今后手机等移动终端上实现呼吸率检测提供了可行性方案。