1.一种基于无人机的脉搏波检测方法，其特征在于，所述方法包括：获取包含目标物脸部特征的视频流，识别出所述目标物的脸部特征位置；

利用角点检测所述视频流中不同帧图像的脸部特征背景区域，获得所述脸部背景区域的特征点；

提取所述背景区域特征点的运动信息，根据所述运动信息对当前图像进行反向补偿；

抑制当前图像中目标物运动干扰，提取脸部感兴趣区域；

检测所述脸部感兴趣区域的脉搏信号，输出所述脉搏信号。

2.根据权利要求1所述的一种基于无人机的脉搏波检测方法，其特征在于，所述提取背景区域特征点的运动信息步骤包括：匹配所述视频流中相邻帧图像的特征点，计算相邻帧图像的特征点的像素位移；

提取两幅相邻帧图像中两个关键点集，根据所述关键点集的描述符向量进行匹配，所述描述符向量主要由相邻关键点的梯度大小和方向构成；

以像素点为单位计算两个相邻匹配关键点的像素坐标集合之间的运动，获取所述背景区域特征点运动信息。

3.根据权利要求2所述的一种基于无人机的脉搏波检测方法，其特征在于，所述提取背景区域特征点的运动信息步骤还包括：基于几何变换的离群值剔除方法，检测并去除匹配不准确的关键点对应的离群值关系，消除相邻帧图像的特征点错误匹配。

4.根据权利要求1所述的一种基于无人机的脉搏波检测方法，其特征在于，所述根据所述运动信息对当前图像进行反向补偿步骤包括：选择所述视频流中未发生抖动前的背景图像作为固定参考帧；

计算当前图像相对于固定参考帧的运动补偿参数；

根据运动补偿参数直接补偿当前图像,输出清晰的视频序列，其中每次补偿时,直接估计待稳定图像与固定参考帧的全局运动矢量。

5.根据权利要求1所述的一种基于无人机的脉搏波检测方法，其特征在于，所述检测脸部感兴趣区域的脉搏信号步骤包括：根据所述脸部感兴趣区域中皮下血液对不同波长入射光的吸收特性，选取相应的色度特征来描述脉搏信号，获取对应的脉搏信号；

根据脉搏信号的稀疏编码，学习所述脉搏信号中由血液容积变化引起的字典基底成分；

屏蔽脉搏信号中由肌肉自发性运动、量化误差引起的次要字典基底成分；

利用学习得到的字典基底对脉搏信号的结构进行重建，去除干扰信号，得到稳定的脉搏波。

6.根据权利要求5所述的一种基于无人机的脉搏波检测方法，其特征在于，所述根据脉搏信号的稀疏编码，学习所述脉搏信号中由血液容积变化引起的字典基底成分步骤包括：i×n

在字典学习阶段，对于n个长度为i的脉搏信号S＝(x1，x2...xn} ，其字典学习的目标函数构建如下：i×j j×n

其中D＝{d1,d2…dj} 表示脉搏信号字典，dj表示第j个基底向量；A＝{a1,a2…an} 表示S在字典D上的编码系数矩阵；目标函数的第一项为保真项；第二项为稀疏正则项；λ1为正则项系数，x1,x2…xn表示训练集中第n个脉搏信号。

7.一种基于无人机的脉搏波检测装置，其特征在于，包括：识别模块，其用于获取包含目标物脸部特征的视频流，识别出所述目标物的脸部特征位置；

第一检测模块，其用于利用角点检测所述视频流中每帧图像的脸部特征背景区域，获得所述背景区域的特征点；

第一提取模块，其用于提取所述背景区域特征点的运动信息，根据运动信息对当前图像进行反向补偿；

第二提取模块，其用于抑制当前图像中头部运动造成的干扰，获得稳定人脸区域图像，提取脸部感兴趣区域(ROI)；

检测模块，其用于检测所述脸部感兴趣区域(ROI)的脉搏信号，输出所述脉搏信号。

8.根据权利要求1所述的一种基于无人机的脉搏波检测装置，其特征在于，所述的第一提取模块包括：匹配单元，其用于匹配所述视频流相邻帧图像的特征点，计算相邻帧图像的特征点的像素位移；

提取单元，其用于提取两幅相邻帧图像中两个关键点集，根据所述关键点集的描述符向量进行匹配，所述描述符向量主要由相邻关键点的梯度大小和方向构成；

去除单元，其用于基于几何变换的离群值剔除方法，检测并去除匹配不准确的关键点对应的离群值关系，从而去除相邻帧图像的特征点错误匹配。

计算单元，其用于以像素为单位计算两个相邻匹配关键点的像素坐标集合之间的运动，获取所述背景区域特征点运动信息。

9.一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1‑7任一项所述的方法。

10.一种可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1‑7任一项所述的方法。