1.一种基于稳定轨迹人脸跟踪的非接触式人体心率测量方法，其特征在于，所述方法包括以下步骤：步骤1，基于阈值方法，通过阈值判断两帧之间地标的区别，若近似则沿用地标以解决抖动问题；

步骤2，针对人脸晃动，结合左右眼地标中点计算角度旋转矫正晃动的人脸，以便提取相同皮肤区域；

步骤3，利用POS算法从皮肤颜色信号中提取出脉搏信号；

步骤4，利用FFT变换，从脉搏信号中估计出心率；

所述步骤1中，解决抖动问题的关键是地标稳定，令 表示(x，y)，x和y分别是像素点在图像中的列序和行序，令 表示图像中预测的地标点，令表示图像中KLT跟踪框的四个角坐标，第一帧后，Dlib模型输

入的人脸框从box裁剪，使人脸框每条边经过box相邻两个角坐标的中点；

假设上一帧的地标为S1，KLT的跟踪框四个角坐标为box1，当前帧为S2和box2，将欧式距离和标准差作为阈值，参数计算如下：其中，l为连续两帧相同序号地标间的欧式距离，mean为所有地标的平均欧式距离，std为通过l和mean计算的标准差，lk为KLT跟踪框对应角坐标的欧式距离，meanklt为两帧间KLT跟踪框四个角坐标的平均欧式距离；

当人脸处于静止或者正常平移，连续两帧间的地标轮廓基本一致，因此std都偏小，而静止时的mean小于移动时的mean；当人脸表情变化或者地标在模型训练不佳的场景出现跳变，连续两帧间的地标轮廓变化较大，std会偏大，而地标跳变的meanklt小于面部姿态变化的meanklt；在人脸静止和地标跳变时沿用地标，在正常平移和表情变化时更新地标。

2.如权利要求1所述的基于稳定轨迹人脸跟踪的非接触式人体心率测量方法，其特征在于：所述步骤2中，跟踪的感兴趣区域设为眼睛下方到嘴巴上方的矩形区域，因该区域毛细血管丰富，信号明显，且有效避免了说话和眨眼带来的影响，通过5、13、29、53号地标点确定ROI，当视频中的人脸因晃动而弯头时，由上述地标点确定的ROI会混入其它的皮肤区域，为了获取相同皮肤区域，采取旋转矫正处；基于人脸地标确定的眼睛中点坐标旋转矫正算法，能够在很大程度上保证各种晃动角度的人脸都能矫正水平，确保ROI的一致性，首先，计left right算左右眼六个地标的中点eye ＝[xl，yl]，eye ＝[xr，yr]，通过两者计算得出旋转角度，旋转图像摆正人脸，接着将地标映射到旋转图像，再获取ROI，提取其中的颜色信号；

其中x和y分别为眼睛中心点在图像中的列序与行序，θ为旋转角度，值为负数则顺时针旋转图像，值为正则逆时针旋转图像；

每个地标点(x，y)的映射操作如下：先减去图像的宽高的一半，计算每个地标点相对图像中心的坐标，再进行旋转映射，旋转采用matlab的loose参数，会缩放原图，旋转映射后先乘以缩放比例，再添加旋转后图像的宽高的一半，得到在旋转图像中对应的地标点；

其中(x′，y′)为地标点在旋转图像中的映射点，(w，h)为原图像的宽和高，(w′，h′)为旋转图像的宽高，α是缩放比例，为原图对角线与旋转图像中的原图对角线比值，最终结果如下：当θ值为负，

当θ值为正，

旋转矫正后提取皮肤颜色信号，令第t帧的颜色信号为 表示当前

ROI中RGB三通道所有像素的均值，令视频总的皮肤颜色信号为 L

表示视频的总帧数。

3.如权利要求1所述的基于稳定轨迹人脸跟踪的非接触式人体心率测量方法，其特征在于：所述步骤3中，由步骤1和步骤2中得到的皮肤颜色信号，需要经过POS算法从中提取出脉搏信号，再通过脉搏信号来计算心率，过程如下：首先对颜色信号C进行归一化处理，将每帧的RGB值除以全部帧的对应均值；

其中Cn为归一化的皮肤颜色信号，μ(C)为C的行均值，再将其投影到两个正交投影方向，投影方向表示为P：通过P将归一化的信号Cn投影，得到投影向量：

最后加上标准差项处理，得到脉搏信号pulse：

其中SG为Cn在正交投影方向上的两条投影，为运动干扰信号和脉搏信号，σ(SG1)，σ(SG2)，分别为SG1，SG2的标准差。

4.如权利要求1所述的基于稳定轨迹人脸跟踪的非接触式人体心率测量方法，其特征在于：所述步骤4中，对于提取出来的脉搏信号，应用FFT算法来计算心率，每隔1秒以10秒的窗口长度更新一次心率，利用快速傅里叶变换FFT转换信号的频谱，将设定区域内具有最大功率的频率指定为心率，乘以60将单位从赫兹转换为每分钟心跳数，以获得最终的心率输出。