心率对于评估人类的健康和预防疾病—心脏病、高血压和感染性休克起着重要的作用。对于烧伤烫伤等不方便进行接触式心率检测的人群来说,远程光电容积描记法（remote photoplethysmography,rPPG）则是一种有效的、非接触式的心率检测技术,该技术可以通过摄像机在一定距离内采集暴露的皮肤视频的数据来测量和评估人体的心率参数;但当人体在运动检测心率时,运动和光线变化带来的噪声比隐藏的微弱心率信号强得多,导致非接触式的心率检测很容易受到光线变化和运动的影响而使心率检测出现较大误差。因此,针对光线变化、脸部运动等复杂情况对远程光电容积描记技术检测心率的影响问题,在测试者处于静态和动态情况下提出了两种不同的心率检测方法。针对静态情况下,提出基于自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）与快速独立成分分析相结合的去噪方法,实现非接触式心率准确检测。首先对视频图像中人脸68个关键点进行检测,获得感兴趣区域（region of interest,ROI）并得到心率检测源信号;然后通过CEEMDAN对源信号进行分解并选取合适频段内的固有模式函数进行重构,对重构信号进行快速独立成分分析后将RGB各通道信号进行快速傅里叶变换,最终利用频谱峰值对应频率计算得到心率。针对动态情况下的非接触式心率检测,则提出基于多特征面部区域结合色度融合的心率检测方法。首先从视频图像中选取鼻子和脸颊两个ROI,对这两个ROI的RGB三通道像素值分别进行色度融合,并与鼻子ROI的绿色通道像素值组成三组心率检测源信号。源信号经插值、去趋势化等预处理后,再利用奇异谱分析和CEEMDAN分解进行去噪。最后对去噪后的源信号再次进行色度融合,融合后的源信号经快速傅里叶变换最终得到心率值。对10位测试者分别进行了心率检测实验,将测量结果与脉搏血氧检测参考仪器的测试结果进行了对比分析,测试者在保持静止状况下,测量均方根误差和平均绝对误差分别为0.72 bpm和0.60bpm;在增加光线变化和人体运动情况下,测试者的心率检测结果的均方根误差和平均绝对误差均低于5 bpm。实验结果表明,本文所提方法能够准确地从复杂环境下的视频图像中提取出心率信号,提高了心率检测的准确性。图[62]表[5]参[88]