人体皮肤的颜色会随着脉搏的跳动而发生变化,这种变化虽然是肉眼不可见的,但是却可以被普通消费级相机捕捉到,并用于脉搏波的估计。这种基于皮肤颜色变化脉搏波检测技术被称为成像型光电体积描记法(IPPG)。其操作简单、耗材成本低、用户体验舒适等优点推动其成为计算机视觉领域的研究热点。集成了LED光源和摄像头的智能手机是一种简易有效的IPPG设备,可用于脉搏波的快速检测。但是现实场景中存在各种复杂的干扰因素,使测得的脉搏波波形产生失真,导致波形质量下降。传统的脉搏波优化方法大多只适用于某类具有特定统计特性的噪声,并不适用于现实场景中复杂的噪声综合体。针对这一问题,提出两种抗复杂噪声干扰的算法,文章的主要内容如下:(1)针对手机前置相机捕捉到的脸部脉搏信号中存在的波形失真问题,提出正交匹配跟踪算法(AOMP)对其进行优化处理。具体步骤包括:利用频率在人体脉搏频段内的正弦信号构建脉搏字典;计算字典中每条正弦信号与原始脉搏波的匹配度,选取匹配度最高的正弦波用以拟合原始脉搏波;计算拟合脉搏波与原始脉搏波的误差,并对误差做进一步拟合,重复执行,直至误差满足预设要求。(2)针对手机后置相机捕捉到的指尖脉搏信号中存在的噪声干扰,提出谱相关重构法(RSC)对其进行滤除。具体步骤包括:计算原始脉搏波的循环谱,从循环谱中提取系数最大的频率,定义为脉搏主频;把对应于脉搏主频的傅里叶级数进行累加,已实现无噪脉搏波的重构。考虑到该方法会引起脉搏波细节信息的丢失,根据细节与噪声特征的差异,提出一种细节保留算法对原始脉搏波中的细节信息进行保留,并将其附加到无噪重构波上。为了全面地评价提出方法的性能,分别设计了静态场景、动态场景和长时间场景三种实验环境。实验中分别录制了15名测试者的脸部和指尖视频,共计122组样本数据。实验结果表明:在测试者不配合的情况下,提出的方法在脉率估计和脉搏波波形提取方面都要优于目前主流的方法。