随着国家人均机动车数量的逐年提升,交通事故发生率也越来越高,其中由疲劳驾驶导致的交通事故所占比例越来越大。当人体处于疲劳状态时,包括心率信号在内的一系列人体生理参数会发生相应变化。研究表明,处于静息状态时的人体头部出现一种由于心脏收缩引起的微弱运动,且其运动规律中包含心跳信号,因此对微弱运动处理并检测出心率信号对以后研究判断驾驶员的疲劳状态有着重要意义。本文提出一种预决策金字塔层数的视频微弱运动放大改进方法,用其对输入视频中头部的微弱运动进行放大,再对放大的微弱运动进行处理,从中提取心率信号。论文具体内容如下:(1)微弱信号放大实现。研究视频放大、欧拉视频放大及基于相位视频放大三种微弱信号放大方法的优缺点,最终选择欧拉视频放大方法用于后续研究,并使用该方法分别对视频中微弱运动和人脸肤色变化进行放大。(2)提出预决策金字塔层数的欧拉视频微弱运动放大方法。微弱运动放大后的视频质量与微弱运动幅度及空间分解金字塔层数有关,当微弱运动幅度较大时在高层数金字塔放大效果较好,反之在低层数金字塔放大效果较好。本文在对微弱运动放大之前,首先对视频提取运动前景,选出运动前景视频中非0像素数占总像素比例最小的视频帧,即选出该视频中微弱运动幅度最大帧,根据设定的阈值判断合适的金字塔层数,再进入相应金字塔层数的欧拉视频放大流程对微弱运动放大。实验结果证明,此方法有效地解决了原方法因单一的空间分解金字塔层数使放大结果不是最理想的问题。(3)基于头部微弱运动的心率信号提取。对微弱运动放大后的视频进行人脸检测,去掉对实验有干扰的眼睛区域,提取感兴趣区域的特征点并追踪,分析特征点垂直方向运动轨迹,选择与心跳最匹配的频率分量,得到心率信号。