凌六一，汪晴晴，周孟然

(1.安徽理工大学电气与信息工程学院，安徽 淮南 232001；2.安徽理工大学人工智能学院，安徽 淮南 232001)

人的心率(heart rate,HR)，即心脏跳动的频率，是临床诊断和生命体征监测中最重要的参数之一。人类心率一般为45～120次/min，传统的接触式心率检测要求患者佩戴胸带或电极，远程光电容积描记法(remote photolethysmogracphic，rPPG)使用摄像机就可以监测心率。然而，rPPG技术的最大问题是噪声干扰，测量过程中照明变化、相机内在噪声以及被测者的运动，包括头部运动、面部表情、眨眼和说话等，这些都会给心率检测带来一定误差。

一直以来，从视频中提取心率经常成为顶级计算机视觉会议的主题，学者们致力于通过各种方法提高心率检测的准确性。例如，文献[7]将Kanade-Lucas-Tomasi算法跟踪识别到的人脸视频图像转换到Cg颜色通道来提取PPG信号，然后用Morlet复小波作为母波来提取随时间变化的心率参数，实验结果表明该方法能够有效减少运动伪影等噪声干扰的影响；文献[8]利用经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)提取心率信号，该方法降低了环境光变化的影响；文献[9]先对面部感兴趣区域的绿色通道去趋势化，然后使用联合盲源分离和EEMD去除视频中光照变化噪声，实验结果表明该方法有效减小了照明变化对心率测量的影响，然而他们所提方法的前提是假设面部ROI和背景有相同的光照变化；为避免光照影响，文献[10]利用红外摄像头结合短时傅里叶变换提取心率，实验表明该方法是可行的，但是如何去除运动伪影仍需进一步研究；……