1.一种面向压缩视频的心率检测方法，其特征在于，所述方法包括以下步骤：步骤1：估计皮肤反射模型参数

基于rPPG的生理指标测量算法通过测量皮肤对不同颜色光吸收反射变化的差异性反映出血容量的变化，RGB三通道里包含的信号和心率信号的关联度不一样，其中G通道包含了最强的心率信号，R和B通道中脉搏信号强度远低于时间信号，所以在估计时间信号的过程中，可以忽略脉搏信号的存在；通过建模皮肤对不同颜色通道的吸收和反射情况，利用皮肤对不同波长光照吸收的差异性和互补性，组合多个颜色通道来估计脉搏信号，并合成无噪声的观测信号，以此来测量出心率生理指标；

步骤2：合成无噪声的观测信号

基于双反射模型，将记录图像序列中每个皮肤像素的反射定义为RGB通道中的时变函数，变化是由身体运动和血液脉动引起的，根据该皮肤反射模型，代入估计得出的模型参数，合成得到无噪声的原始测量信号；

步骤3：提取血容量脉搏BVP信号

血容量脉搏信号提取采用平面正交贴面法POS，在时间归一化的RGB空间中使用与肤色正交的平面进行脉冲提取，用投影矩阵将RGB信号投影到一个最可能含有脉搏信号的范围；

所述步骤1的过程如下：

估计皮肤反射模型参数：

首先根据皮肤反射模型，正常相机采集到的、经过时间归一化后的原始测量信号，L为窗口长度，如下：（1）；

基于二色反射模型， 由来自皮肤表面的镜面反射和漫反射组成，由于身体运动影响光源、皮肤表面和相机之间的几何结构，镜面反射主要包含运动引起的变化，即不受欢迎的运动伪影；镜面反射包含镜面变化信号，即非脉搏间信号，表示为 ， 为镜面反射相关的向量；一小部分入射光穿透皮肤到达微血管，这部分成为漫反射，它包含目标脉搏信号，表示为 ， 为脉搏的振动方向；两个分量都与光强度水平成比例，因此由表示为 的强度变化信号调制；

对于噪声太大的相机，假设绿色通道信号仍满足公式（1），但在蓝色红色通道信号中，不包含 ，仅包含 ；

则退化信号 的RGB三通道原始测量信号公式如下：（2）；

（3）；

（4）；

目标是在给定 、 和 的情况下估计 ，根据无噪声相机所采集的原始测量信号估计 和 ，直接使用学习得到的 和 ；

（5）；

（6）；

其中要求 和 为单位向量，即：

（7）；

（8）；

①利用 估计 ；

由于在红蓝通道中， 的信号强度远低于 ，在估计 的过程中，假设 可以忽略， 为常数，即（9）；

通过最小二乘法估计 ：

（10）；

②结合公式（7），得出此问题解析解：

（11）；

通过绿色通道信号估计 ；

根据绿色通道信号公式3，经简单推导得，

（12）。

2.如权利要求1所述的面向压缩视频的心率检测方法，其特征在于：所述步骤2的过程为：合成无噪声的观测信号，将已知的 、 和估计求得的 和 代入公式（1），得合成的原始测量信号的计算公式为：（13）。

3.如权利要求1或2所述的面向压缩视频的心率检测方法，其特征在于：由步骤1和步骤

2中得到的无噪声的原始测量信号，通过POS算法提取血容量脉搏BVP信号，过程如下：提取血容量脉搏BVP信号，使用高性能、简算法且被广泛采用的平面正交贴面法POS，来实现从远程光体积描记法rPPG的轨迹中提取血容量脉搏BVP信号；POS定义了一个与向量正交的投影平面，该平面实际上是一个与时间归一化肤色正交的平面，以消除肤色的依赖性；

对于单个光源，皮肤搏动通常在G通道中最大，其次是B通道和R通道；基于这样的通道排序和投影信号的要求，将经过时间归一化的轨迹投影到由投影矩阵定义的两个向量上：，其中每一行表示一个相互正交的投影轴，它实际上将时间归一化的RGB信号组合为：

（14）；

（15）；

镜面反射失真和脉冲在投影平面上是可物理分离的，为了分离镜反射和脉搏信号成分, 和 需要进行α‑tuning处理：（16）；

其中 ，同时 表示标准偏差， 是提取的BVP信号，也称它为POS特征；使用的alpha调整有一个吸引人的特性：当脉动变化支配 时， 和出现同相，将两个同相信号加在一起将提高结果信号强度，即此时α的值并不重要；当镜面反射变化支配 时， 和 反相出现，α将一个信号的镜面变化强度拉/推到与另一个信号相同的水平，即 ；添加两个具有相同幅度的反相信号将抵消镜面反射失真，然而，当脉动强度和镜面反射强度非常接近时，它的性能变得次优，即α是由两者的混合驱动的，因此没有明确定义；

对于长时间的检测视频，将加窗输出串联起来，得到长时间的脉搏信号，给定一个长度为 的视频，首先将序列分割成长度为 的片段，应用所提出的算法来获得窗口化的输出，并应用重叠相加的方法以获得最终的脉搏信号输出。