陈辉，郑秀娟，*，倪宗军，张昀，杨晓梅

（1.四川大学 电气工程学院，成都 610065； 2.西安交通大学 电子与信息学院，西安 710049）

近年来视频监控技术快速发展，针对监控视频的智能分析需求深入到公共空间和私人生活的各个方面，涉及了如交通监控、犯罪预防、人群监控、身份认证以及居家监护等多种不同应用场景［1］。由于视频中的人脸包含有最为丰富的个人特征信息，因此针对面部视频的智能分析方法也受到广泛的关注。早在20世纪60年代Bledsoe就提出了基于人脸的几何特征的人脸识别方法［2］；He等也在2015年提出了一种基于局部二值模式（Local Binary Patterns，LBP）关键面部区域中的表情特征融合方法进行面部表情识别［3］；2004年，Ahonen等利用LBP人脸单个特征直方图实现人脸识别［4］；2016年，Lenc和Král提出利用一组Gabor滤波器实现对基准点的自动选择，解决了在使用LBP进行人脸识别时的基准点的位置和数量是固定的问题［5］。随着计算机视觉理论和技术的发展，人脸检测与识别技术日臻完善。在面部视频分析领域中，之前的许多研究都围绕人脸结构特征展开了深入研究，但忽略了隐含于视频中的与生命体征相关的生理信号。近年来，越来越多的研究开始关注对视频及图像序列中的生命体征相关生理信号的提取和分析工作［6-7］，这将为充分利用监控视频中隐含的人体信息进行活体识别以及智能行为分析提供思路，有助于丰富监控视频智能分析的应用场景。

2000年，Wu等提出成像式光电容积描记法（imaging Photoplethysmography，iPPG）及其技术框架实现了从视频中获得人体的心率参数估计［8］。……