心率是反映人体心脏和动脉系统健康状态的晴雨表,长期监测可以对心血管疾病进行有效的防治。接触式的心率测量对皮肤敏感的群体适用性较差,且对测试者的碰触、挤压,不利于进行长期监测。传统的非接触式心率测量利用激光和微波等主动源进行,设备成本较高,且长期使用会危害人体健康。因此,基于计算机视觉的非接触式心率测量成为目前研究的热点之一,其方便、安全、成本低的特点,在远程医疗、重症监护等方面有极高的应用价值。作为一个有机的整体,人体的健康状态和一些重要的生命体征都会在皮肤的属性上有所体现。心脏的节律式运动会引起血管中血液容积的周期性变化,进而在皮肤颜色上产生微弱的改变。基于上述原理,本文主要工作如下:(1)从皮肤的光学特性出发,分析了基于颜色特征的皮肤检测算法和非接触式心率测量原理。根据肤色在不同颜色空间中的分布范围和特点,对比分析了不同模型检测皮肤区域的效果,选择理想的算法实现感兴趣区域的快速定位。同时,结合光电容积描记(PhotoPlethysmoGraphy,PPG)技术原理,深入分析了皮肤与光的交互模型,对非接触式心率测量的理论基础进行了研究。利用欧拉颜色放大算法对基于皮肤光学特性的心率测量原理进行了可视化验证。(2)针对生理信号的提取,本文设计了基于皮肤视频图像分析心率的具体方案。利用从感兴趣区域中分离出来的红、绿、蓝原始一维色度信号分析包含脉搏信息的PPG信号。本文提出了基于盲源分离提取PPG信号的改进算法,重点解决了其在成分选择上的随机性问题,提高了心率预测的稳定性和准确率。同时,本文提出了一种基于色度模型的PPG信号提取的改进算法,在相关理论基础上通过进一步分析皮肤光学模型,减小了黑色素对光吸收作用的影响,提高了信号的鲁棒性。(3)本课题搭建了基于摄像头的非接触式心率测量系统。结合皮肤检测算法和本文设计的两种PPG信号提取算法,该系统在硬件上由一台分辨率达到1080p以上的彩色工业摄像头结合PC机实现,在软件的上由C++和MATLAB混合编程实现。(4)通过Bland-Altman分析,验证了系统预测心率与参考心率的一致性以及两种改进的非接触式算法所获得心率的一致性。在对光照和被测者状态没有进行严格控制的情况下,系统心率预测的平均相对误差为3.46%,有较高的稳定性和鲁棒性。通过对比实验分析了不同身体部位、光照、以及帧率对非接触式心率预测的影响。实验发现,人脸和手掌皮肤区域信号较强,且均匀明亮的光照以及较高的帧率都可以提高信号的信噪比。