心率作为人的四大生理指标之一,一方面可以用于预测心血管疾病的风险,另一方面也可以作为睡眠质量评估的重要标准,因此,日常的心率检测对于人的身体健康至关重要。目前广泛使用的心率测量仪器大多需要与被测者的皮肤直接接触,这种方式操作复杂,仪器昂贵,长期接触容易引起被测者不适,并且不适合受损皮肤的烧伤患者和皮肤娇嫩的新生儿。本文以成像式光电容积描记法原理为基础,通过人脸检测、盲源分离、自适应滤波等算法,在自然光照条件下,从人脸视频中提取出心率信息。这种方式具有操作简单、成本低廉的特点,可以实现对被测者连续的非接触心率测量。目前基于人脸视频的心率测量算法对运动伪差和光照变化的适应性一般,并且该算法未被整合于系统之中。基于此,本文的主要工作包括:(1)基于人脸视频的源心率信号提取。在不同场景下评估了不同人脸检测算法的适应性,并给出了精度和速度的对比图,同时,对感兴趣区域定位的算法进行了实验,最终从视频帧中得到研究区域,采用盲源分离算法从红绿蓝三通道信号中分离出源估计信号,分析相关系数最终得到源心率信号。(2)心率计算。分析心率信号存在的噪声类型及对应算法,利用源心率信号和背景区域信号进行自适应滤波去除光照变化的干扰并定量给出滤波器参数,使用带通滤波去除工频干扰和肌电噪声,最后分别给出了时域和频域的心率计算方法并进行误差对比分析。(3)以本文心率检测算法为基础,实现了离线和实时的心率检测系统。给出了离线心率检测系统架构,对高并发流处理模块做了详细说明,绘制了离线数据计算的算法流程图,给出了数据显示的前端界面。同时,实现了实时心率检测系统,给出了实时心率检测系统的算法原理及流程图。(4)评估本文心率检测算法的准确性和适应性。分别在存在运动伪差和光照变化的场景下,通过Bland-Altman图证明了本方案与标准值之间具有强一致性和线性相关性;比较不同算法的平均误差,结果表明本方案性能优于其他算法;最后在室外光照条件下进行实验,结果显示本方案对不同光照场景具有适应性。