随着保健意识的提升,人们越来越重视心率的日常检测。基于人脸图像的心率测量以其无须接触、测量便捷、设备简单的优点,已成为研究的热点。受噪声和被测者无意识晃动等因素的影响,现有方法存在测量准确率不高、适应性不强等问题,基于人脸图像的心率测量成为一项具有挑战性的任务。本文针对心率测量准确率的提升,展开对基于人脸图像的心率测量各环节优化的研究,提出了一种新的基于人脸图像的心率测量方法,主要工作如下:1)针对人脸视频中心率信号幅度较弱,常被噪声遮盖的问题,采用了欧拉影像颜色放大算法,将心率所在的0.85Hz至2Hz频段进行放大,以凸显心率信号,提高信号信噪比。2)针对心率信号所在频段还包含大量噪声的问题,提出将变分模态分解算法应用于时间序列的滤波过程中。变分模态分解算法依据中心频率的不同,将原信号分解成多个具有特定稀疏性的离散子信号之和,每个子信号称为一个模态。分离完成后,以频率峰值符合心率范围和加权后功率最大为标准,先剔除中心频率不符合正常心率范围的模态,再用乘以系数的方法凸显更可能是心率信号的模态,并保留乘以系数后功率最大的模态。之后,在不同参数设置下,进行分解效果的对比实验,并给出了比较合理的参数值。3)采用了色差算法,将三个通道合成心率信号序列,以降低运动伪影的干扰,提升测量鲁棒性。4)使用DEAP数据库和另一个自己的数据库,根据本文方法进行了完整的心率测量对比实验。实验结果表明,相较于传统算法,本文提出的方法实现了更好的测量准确率和鲁棒性,得到了良好的效果。