取的参数值和运行时间表，即表2。
【具体实施方式】 阳0巧下面结合附图、实施例和附表对本发明做进一步说明。
[0033] 本发明一种从可见光谱段人脸视频信号中提取屯、率的方法（简称方法，参见图 1-13)，该方法采用如下采集装置和步骤：所述采集装置包括一个与被测对象连接的摄像 头，与摄像头连接的一台计算机，被测对象的屯、率显示在计算机屏幕上；摄像头为任意一个 帖率为30帖/秒，分辨率大于30万像素的摄像头；该方法包括如下步骤：
[0034] 步骤1 可见光谱为光源，录制人脸正面的彩色图像；录制期间头部位置和面目 表情基本保持不变，基本是指可有轻微的面部表情，如正常巧眼；
[0035] 步骤2 :对录制视频的每一帖图像进行人脸检测；在人脸检测的基础上，再进行肤 色检测，提取出肤色像素；
[0036] 步骤3 :将肤色像素进行公知的R、G、B通道分离，分别求取R、G、B各个通道的亮 度平均值，得到原始的观察信号，即肤色亮度随时间变化的曲线；
[0037] 步骤4 :采用对角累积量方法对观察信号进行盲源分离，得到对原始PPG信号的估 计信号；
[00測步骤5 :设置滑动窗口，对窗口内的估计信号进行快速傅里叶变换，截取屯、跳频率 范围内的功率谱，其中最大功率谱对应的频率值即可转换为屯、率值。
[0039] 下面对各个步骤的具体方法作进一步的介绍：
[0040] 步骤1:W可见光谱为光源录制人脸正面的彩色图像。录制期间头部位置和面目 表情基本保持不变，所述的基本保持是指可有小幅度的面部表情变化，如正常巧眼动作。
[0041] 分步骤1. 1:使用任意帖率为30帖/秒，分辨率大于30万像素的摄像头，录制长 为15秒的视频。被测者与摄像头保持半米的距离，整个视频中被测者的正脸基本保持在视 频画面的中央部分。
[0042] 步骤2 :对录制视频的每一帖图像进行人脸检测，在人脸检测的基础上再进行肤 色检测，提取出肤色像素。
[0043] 分步骤2. 1:读入录制好的彩色视频，建立级联检测器，该检测器是基于 Viola-Jones算法，对读入的每一帖图像进行人脸检测。
[0044] 鲁棒性的人脸检测方法：
[0045] (1)如果某一帖图像没有检测出人脸，则沿用上一帖的检测结果。
[0046] (2)人脸检测的结果只能允许检测出一张人脸，如果某一帖图像同时检测出2张 W上人脸，则选取与上一帖人脸检测结果更接近的矩形区域。
[0047] 分步骤2. 2:然后在人脸检测的基础上提取肤色像素。
[0048] 在YCb化颜色空间，通过对颜色空间的每个分量设定如下式的阔值，在人脸检测 的基础上，再提取出肤色像素：
[0049]
[0050] 其中，Y为颜色的亮度分量，Cb和C 为蓝色和红色的浓度偏移量成分。
[0051] 步骤3 :将肤色像素进行R、G、B通道分离，分别求得R、G、B各个通道的亮度平均 值，得到原始的观察信号，即肤色亮度随时间变化的曲线。 阳化引分步骤3. 1 :将得到的肤色像素进行R化65nm)、G巧35nm)、B(445nm)通道分离。
[0053] 分步骤3. 2 :对R、G、BS个通道分别求空间亮度平均值。即得到R、G、BS个通道 的亮度随时间变化的信号曲线。
[0054] 步骤4:采用对角累积量方法对观察信号进行盲源分离，得到对原始PPG信号的估 计信号。
[0055] 第S步得到的R、G、BS个通道的亮度随时间变化的信号，称之为观察信号。假设 观察信号是原始PPG信号分量的线性混合，具体的混合系数是未知的。观察信号具有R、G、 BS个分量，假设原始信号也具有S个分量。在混合矩阵未知的情况下，估计原始的PPG信 号，需要采用盲源分离算法，运里采用对角累积量分离算法，基于对角累积量的盲源分离算 法是基于高阶统计量的数学理论（公知技术，可参见文献"刘瑪，孙建德，许宏吉.盲信号 处理理论与应用[M].北京：科学出版社，2013.)，算法假设源信号是非高斯的，且各分量是 互相统计独立的。
[0056] 观察信号是按时间顺序观测得到的数据，用W下的自适应方法求白化矩阵：为 使输出矩阵的自相关矩阵氏=E[z(t)zT(t)] =I，其中z(t)为输出矩阵，定义代价函数
最小化代价函数使相关矩阵R,趋于单位阵。
[0057]U(t+1) =U(t) -ji(t)[z(t) (t) ]U(t) (1)
[0058] (1)式是使用随机梯度法得到的白化矩阵的更新公式，其中U为白化矩阵，y为步 长系数，W上自适应方法求白化矩阵，白化的过程也可W称为预白化，预白化是一个实时的 过程。
[0059]
口） W60] 似式是基于对角累积量的准则函数，cum4是求四阶累积量的符号，W上的准则函 数是在正交变换的约束下，即：WT= W i;W为正交阵，满足WfT二I。
[0061]
斌
[0062] (3)式是为使W符合正交阵的要求，定义的目标函数。
[0063] 基于对角累积量的分离算法实现分离的过程就是同时使准则函数41卿）和 42(W)达到最小。即：
[0064]
傑 阳0化](4)式便是无约束的代价函数。对上式求关于W的梯度，便得到如下公式：
阳068]其中，g(y(t))=[gi(yi(t))，g2(y2(t))，…，gN(yN(t))]， ,z(t) =U(t)x(t)f$^j^U(t+l) =U(t)-]i(t) [z(t)z^^(t)]U(t)更新U(t)，累积量可用下式递归估计：
[0072]其中，a为调整参数。 阳07引 W(t+1) =W(t) - 0 (t)g(y(t))zT(t) +n(t) (I-W(t)W(t)T)W(t) (10)
[0074] (10)式即是分离矩阵w的更新公式，其中P，n为步长系数。
[007引步骤5:设置滑动窗口，对窗口内的估计信号进行快速傅里叶变换，截取屯、跳频率 范围内的功率谱，其中最大功率谱对应的频率值即可转换为屯、率值。
[0076] 采用15s的滑动窗口，Is的增量，对S组源信号成分进行FFT变换得到其功率谱， [0. 75, 4]化的频率范围对应的屯、率值为[45, 240]，在此频率范围内最大功率谱所对应的 频率即可转换为屯、率。
[0077] 本发明方法的实验用采集装置包括两条支路（参见图1):
[0078]第一条支路为本发明方法采集装置的主支路，包括一个与被测对象连接的摄像 头，与摄像头连接的计算机，被测对象的屯、率显示在计算机屏幕上。 阳079] 其中，摄像头为任意一个帖率为30帖/秒，分辨率大于30万像素的摄像头，采集 人脸正面视频，将数据信号传送给计算机，通过公知的屯、率提取的各个步骤提取出屯、率，并 将最终结果显示在计算机屏幕上。
[0080] 第二条支路为本发明方法提取屯、率的对比数据支路，包括被测对象，脉搏血氧仪， 通过脉搏血氧仪屏幕输出被测对象屯、率。用脉搏血氧仪夹于被测者右手食指，记录下同一 时期的被测者的屯、率值，用来对比本发明方法屯、率提取结果的准确性。不难理解，第二条支 路是本发明研究时专口设计的，在实际使用时，并不需要第二条支路。
[0081] 图2所示为本发明方法提取屯、率的真实环境展示。其中，
[0082] 图2-1为本发明方法录制视频时被测对象与录制视频装置的实际位置关系。
[0083] 图2-2为本发明方法脉搏血氧仪在录制视频的同时，实时采集被测者的屯、跳值， 在脉搏血氧仪的屏幕上显示被测者的实时屯、率。
[0084] 图3所示为本发明从视频中进行人脸检测的结果图。其中，