1.一种基于视频图像的非接触式生命体征检测方法，其特征在于：具体包括如下步骤：步骤1：采用多核异构微处理器进行视频图像采集；

步骤2：像素格式变换；

步骤3：图像数据缓存；

步骤4：皮肤区域检测；判断是否检测到皮肤区域；

若：判断结果是检测到皮肤区域，则执行步骤5；

或判断结果是没有检测到皮肤区域，则执行步骤1；

步骤5：人脸区域粗检测；

步骤6：人脸区域精检测；判断是否检测到人脸区域；

若：判断结果是检测到人脸区域，则执行步骤7；

或判断结果是没有检测到人脸区域，则执行步骤1；

步骤7：获取PPG信号即光电容积脉搏描记信号；

步骤8：计算结果并显示；

在步骤3中，将可编程逻辑系统的片上存储资源分成两个缓存部分，分别命名为MEM1、MEM2，用于存放转换后的像素数据和检测算法运行过程中的中间结果；

MEM1是二维缓存，每个缓存有L行，标记为 其中r＝1,2,……,L，代表行序号，缓存的2

每行包含K个存储单元，每个存储单元的位宽为24bit，用于存储一个RGB888格式的像素数2

据，L和K的选取满足L×K＝W×H；

图像数据以分块的方式存储到缓存中，具体过程如下：

将输入图像划分为L个K×K的方块，依次标记为B1,1、B1,2、……、Bi,j、……、BW/K,H/K，其中i和j分别为图像块所在的行列序号；

将B1,1至B1,W/K存储到MEM1的 至 中，将B2,1至B2,W/K存储到MEM1的 至 中；

以此类推，直到将B H/K,1至B H/K,W/K存储到MEM1的 至 中；

MEM2是二维缓存，存储单元数量为W/K×H/K，标记为 其中，i＝1,2,……,W/K，j＝1,

2,……,H/K，代表存储单元序号，每个存储单元的位宽为1，这些存储单元用于存储算法运行过程的中间结果；

进行图像数据缓存后，MEM1缓存的每个行与原图像每个K×K的方块一一对应，MEM2缓存的每个单元与原图像每个K×K的方块一一对应；

通过人脸区域粗检测的模块实现步骤5中的人脸区域粗检测，人脸区域粗检测的模块，包括数据读取子模块、滑动求和子模块以及结果输出子模块；

数据读出子模块，包括W/K个存储器读取电路，每个读取电路在输入时钟信号的作用下读取地址和读取有效信号，时钟信号为占空比50％的方波、频率为fcp，读取地址为随时钟信号依次加一的、位宽为log2(H/K)的二进制信号，读取有效信号为1bit的低电平信号；由数据读取子模块并行读出的W/K个数据，送入滑动求和子模块；

滑动求和子模块，根据滑窗数量N，滑动求和子模块分为N个组同时进行，每组的工作原理相同，第一组的工作过程如下：对于第一组滑窗求和子模块，其对应的滑窗尺寸为w1×h1，第一组求和模块首先构建(W/K)‑w1+1个树形加法器组，每个加法器组在一个工作时钟周期内可以同时计算w1个行数据的和，每经过h1个工作时钟周期，一个加法器组完成一个滑窗面积内所有数值为1的存储单元数量求和，将(W/K)‑w1+1个加法器组的求和结果分别存储到(W/K)‑w1+1个寄存器中，记为 对应的滑窗位置存储到另一组寄存器中，记为 当求和模块完成下一个滑窗面积下所有数值为1的存储单元数量求和之后，将新的求和结果与上一个滑窗求和结果进行比较，用数值较大的结果更新 和 依此类推，经过H/K‑h1个工作时钟周期后，滑窗求和子模块完成MEM2中所有面积为w1×h1区域数值为1的存储单元个数统计，再通过可编程逻辑系统中设计的比较器得到(W/K)‑w1+1个结果寄存器 中的一个 以及其所对应的滑窗位置寄存器 完成一组滑窗求和计算；最后，将N组滑窗求和子模块得到的求和数值，送入结果输出子模块； 表示(W/K)‑w1+1个结果寄存器中的第i个结果寄存器； 表示(W/K)‑w1+1个滑窗位置寄存器中的第i个位置寄存器，其中i的取值范围是1～(W/K)‑w1+1；

结果输出子模块，通过多次判断进行最终的输出选择：判断第1组求和数值是否大于阈值β；若第1组求和数值大于阈值β，则将该组对应的滑窗位置和窗口大小作为结构输出，否则，继续判断下一组的求和数值，若下一组的求和数值大于阈值，则返回结果；如果所有组的求和结果均小于阈值，则返回最后一组求和结果对应的滑窗位置和窗口大小；

结果输出子模块，包括多级比较器、优先编码器和N选1数据选择器；

优先编码器接收所有比较器的输出结果，其编码规则如下：

如果第一个比较器输出为1，不论后面的比较器输出为何，均产生编码值“1”；如果第一个比较器输出为0，第二个比较器输出为1，无论后面的比较器输出为何，均产生编码值“2”；

依此类推，如果只有最后一个比较器输出为1，则产生编码值“N”；

N选1数据选择器以优先编码器的输出值作为选通信号，用于选择最终输出N组滑动求和子模块中哪一组的求和寄存器和滑窗位置寄存器。

2.根据权利要求1所述的基于视频图像的非接触式生命体征检测方法，其特征在于：在步骤2中，在步骤2中，使用可编程逻辑系统，通过公式(1)将每一帧视频的像素数据从16bit的RGB565数据格式变换为24bit的RGB888数据格式；

其中，PixRGB565表示格式的像素数据，每个像素16bit；PixR8、PixG8、PixB8分别表示变换为RGB888格式后的R、G、B三通道颜色数据，每个通道的颜色数据都为8bit，共计24bit。

3.根据权利要求1所述的基于视频图像的非接触式生命体征检测方法，其特征在于：在步骤4中，具体包括如下步骤：步骤4.1：当读取完K行图像数据时，MEM1缓存的第1行至第W/K行同时存满，此时启动皮1

肤区域检测；检测过程以MEM1缓存的行为单位进行，先从MEM1缓存的第一行即M1中顺次读取已存储的RGB888格式的像素数据，采用公式(2)将每个图像像素从RGB色彩空间转换到YCrCb色彩空间；

步骤4.2：通过可编程逻辑系统，将公式(2)中浮点数乘法操作变换为整数乘法+移位操作，如公式(3)所示；

步骤4.3：每个像素转换后，使用可编程逻辑系统的片上触发器资源，构建两个8bit寄存器，将转换得到的Cr和Cb分量存储起来；

Y＝(306*PixR8+601*PixG8+117*PixB8)＞＞10             (3)；

步骤4.4：利用公式(4)对转换后的颜色进行阈值比较，处在阈值范围内的像素即为皮肤像素；通过可编程逻辑系统，构建四个数值比较电路，对Cr和Cb的数值进行判断；同时，通过可编程逻辑系统内的计数器，对满足阈值范围的像素点个数即皮肤像素进行累加，当检

2 2

测完 行中所有K 个像素时，如果计数器数累加值与像素总数K 的比值超过阈值α，则将MEM2缓存中对应的 单元置为1，否则将 置为0；依此类推，完成MEM1缓存中其余所有数据的处理，并将MEM2缓存中对应的单元赋值为1；处理后的MEM2缓存，将原图像划分为L个K×K的区域，其中数值为1的单元，标记了原图像中可能存在皮肤的区域块，作为人脸区域检测的基础；

4.根据权利要求1所述的基于视频图像的非接触式生命体征检测方法，其特征在于：在步骤5中，具体包括如下步骤：步骤5.1：采用边长为A的正方形窗口对MEM2缓存所代表的W/K×H/K大小的矩形进行开运算，去除其中的包括微小桥接和孤立点在内的噪声，相当于滤除掉原图像中小范围的、与皮肤颜色相近的区域，留下面积较大的相邻区域，即为人脸候选区域；

步骤5.2：采用N个尺寸为w1×h1、w2×h2、……、wn×hn的矩形窗口，对MEM2所代表的W/K×H/K大小的矩形进行滑动求和操作，依次计算窗口滑动过程中所覆盖的矩形区域中存储值为1的单元数量，取其值超过阈值β且数值最大的窗口位置作为最终的粗检测人脸区域。

5.根据权利要求1所述的基于视频图像的非接触式生命体征检测方法，其特征在于：在步骤6中，具体包括如下步骤：步骤6.1：以粗检测所返回的窗口位置为检测区域，使用人脸检测方法进行人脸区域的精确检测；

步骤6.2：通过可编程控制系统，检测输出人脸区域左上、右上、左下、右下四个边界坐标；

步骤6.3：采用固定形状的模板，将包括人脸中眼睛、鼻子、嘴、下巴在内的位置去除，仅保留额头和脸颊部分，作为检测的有效区域。

6.根据权利要求1所述的基于视频图像的非接触式生命体征检测方法，其特征在于：在步骤7中，具体包括如下步骤：步骤7.1：根据精检测后得到的人脸额头与脸颊区域像素，计算其绿色通道的像素均值，按照视频帧的时间顺序排列，得到一个像素均值向量Gmean＝[G1,G2,…,GT]，其中T代表视频帧的数量；

步骤7.2：采用截止频率为fL～fH的带通滤波器对像素均值数据向量Gmean进行带通滤波，得到滤波后的绿色通道像素均值向量

7.根据权利要求1所述的基于视频图像的非接触式生命体征检测方法，其特征在于：在步骤8中，具体包括如下步骤：步骤8.1：选取滤波后的绿色通道像素均值向量 中连续p个元素，使其数量为2的整幂次倍；

步骤8.2：对这些像素进行快速傅里叶变换并得到相应的频谱分布，查找频谱中最大幅值分量的序号Imax，根据公式(5)计算出心率HR；

其中，fs代表傅里叶变换的采样频率，即视频的帧率。