随着国家经济的发展和人民生活水平的提高,全民保健意识不断增强,人们对于能够在日常生活中,随时便捷的了解自身生理状况的需求日益强烈。作为反映人体生理的重要参数,心率与呼吸率能够提供与人体健康状况的重要信息。因此,实现心率与呼吸率的日常监测十分重要。但是,目前市场上检测心率与呼吸的技术大多为接触式,需要将被测者与测量设备连接在一起,存在束缚性、操作复杂、价格昂贵等缺点,不利于日常监测。因此采用非接触的传感方式,寻求可用于长期监测的,能够对疾病预防的无束缚、操作便捷、价格低廉的监测方法,成为国内外的主流研究方向。本文分别以图像光电容积脉搏描记法与欧拉视频放大原理为基础,以心率和呼吸率的非接触测量为研究目标,开展基于普通相机的心率和呼吸率提取方法研究,具有重要的理论意义和实际应用价值。本文以欧拉放大算法为理论基础,利用普通相机拍摄人体呼吸视频,并通过欧拉算法将呼吸时的胸腹运动位移加以放大。考虑人体胸腹区域位置提取准确度对呼吸率检测精度的影响,本文提出了基于光流信号提取呼吸区域的方法,利用光流算法将胸腹运动转化为光流信息并进行编码,将其显示为彩色图像形式,从中提取胸腹呼吸区域的像素平均亮度序列,从而得到呼吸波形信息,通过波峰检测获取呼吸率。本文以图像光电容积脉搏描记法为理论基础,利用独立成分分析法从拍摄的人脸视频中提取脉搏波信号,通过分析脉搏波的功率谱得到心率。但是视频中人脸的微小运动对脉搏波信号有很大的干扰,从人脸不同区域得到的脉搏波信号精度也有很大区别。为了抑制运动与人脸区域对心率测量精度的影响,本文利用DRMF算法检测人脸关键点位置,根据关键点将人脸分为额头、脸颊、嘴部、整个人脸区域4个位置,并对选定的区域实时跟踪,分析4个区域获取的脉搏波信号,最终通过快速傅里叶变换获取脉搏波信号的频域信号求取心率。最终结合实验,本文提取的心率结果与欧拉放大算法和多导睡眠仪的标准心率结果作对比;本文提取的呼吸率与多导睡眠仪测量的标准结果做对比。利用平均绝对误差Me、均方根误差RMSE和皮尔逊相关系数r三个指标分析了实验结果,结果表明本文算法心率检测与呼吸率检测平均误差为1.16次/分与0.54次/分,有较高的准确性。