1.一種去除環(huán)境光變化干擾的視頻心率檢測方法，其特征是按如下步驟進行：

步驟1：獲取I幀視頻圖像；對I幀視頻圖像計算N個顏色通道的面部感興趣區(qū)域的平均像素，獲得面部感興趣區(qū)域數(shù)據(jù)集X＝[X₁,X₂,…,X_n,…,X_N]^T；X_n表示第n個顏色通道的面部感興趣區(qū)域數(shù)據(jù)；并對I幀視頻圖像計算N個顏色通道的背景區(qū)域的平均像素，獲得背景區(qū)域數(shù)據(jù)集Y＝[Y₁,Y₂,…,Y_n,…,Y_N]^T；Y_n表示第n個顏色通道的背景區(qū)域數(shù)據(jù)；

并有，X_n＝[x₁⁽ⁿ⁾,x₂⁽ⁿ⁾,…,x_I⁽ⁿ⁾]；x_I⁽ⁿ⁾表示第n個顏色通道的面部感興趣區(qū)域的第I個平均像素；Y_n＝[y₁⁽ⁿ⁾,y₂⁽ⁿ⁾,…,y_I⁽ⁿ⁾]；y_I⁽ⁿ⁾表示第n個顏色通道的背景區(qū)域的第I個平均像素；

步驟2：采用聯(lián)合盲源分離法對所述面部感興趣區(qū)域數(shù)據(jù)集X和背景區(qū)域數(shù)據(jù)集Y進行處理，獲得混合矩陣解混矩陣面部感興趣區(qū)域的典型相關(guān)變量集ZX=[Z1(X),Z2(X),...,Zp(X),...,ZP(X)]T]]>和背景區(qū)域的典型相關(guān)變量集ZY=[Z1(Y),Z2(Y),...,Zp(Y),...,ZP(Y)]T;]]>表示面部感興趣區(qū)域的第p個典型相關(guān)變量，表示背景區(qū)域的第p個典型相關(guān)變量，1≤p≤P，P表示典型相關(guān)變量的個數(shù)；且面部感興趣區(qū)域的典型相關(guān)變量集和背景區(qū)域的典型相關(guān)變量集中的P個典型相關(guān)變量均是按兩者的相關(guān)系數(shù)大小進行降序排列；

并有表示第I幀視頻圖像中面部感興趣區(qū)域的第p個典型相關(guān)變量值；表示第I幀視頻圖像中背景區(qū)域的第p個典型相關(guān)變量值；則所述面部感興趣區(qū)域數(shù)據(jù)集X＝AZ_X；背景區(qū)域數(shù)據(jù)集Y＝AZ_Y；

步驟3、設(shè)定相關(guān)系數(shù)閾值，并將面部感興趣區(qū)域的典型相關(guān)變量和背景區(qū)域的典型相關(guān)變量的相關(guān)系數(shù)與所設(shè)定的相關(guān)系數(shù)閾值進行比較，若超出相關(guān)系數(shù)閾值，則將超出所述相關(guān)系數(shù)閾值的面部感興趣區(qū)域的典型相關(guān)變量和背景區(qū)域的典型相關(guān)變量均作為環(huán)境光變化的典型變量；

步驟4、獲取超出所述相關(guān)系數(shù)閾值的面部感興趣區(qū)域的典型相關(guān)變量的個數(shù)Q；并將面部感興趣區(qū)域的典型相關(guān)變量集Z_X中的前Q個的典型相關(guān)變量均置為零；從而形成不包含環(huán)境光變化的面部感興趣區(qū)域的典型相關(guān)變量集

步驟5、利用式(1)獲得不包含環(huán)境光變化的面部感興趣區(qū)域數(shù)據(jù)集表示第n個顏色通道中不包含環(huán)境光變化的臉部感興趣區(qū)域數(shù)據(jù)：

X~=AZ~X---(1)]]>

步驟6、利用氧合血紅蛋白吸收率選擇所述N個顏色通道中第best個最佳顏色通道；第best個最佳顏色通道具有最大的氧合血紅蛋白吸收率；

步驟7、利用總體平均經(jīng)驗?zāi)B(tài)分解法將所述第best個最佳顏色通道中不包含環(huán)境光變化的臉部感興趣區(qū)域數(shù)據(jù)分解成為L個本征模式分量S＝[S₁,S₂,…,S_l,…,S_L]^T；S_l表示第l個本征模式分量；

步驟8：定義候選本征模式分量集，并初始化為空；初始化l＝1；

步驟9、計算第l個本征模式分量S_l的頻譜圖，判斷第l個頻譜圖中的最大幅值所對應(yīng)的頻率分量是否處于所設(shè)定的感興趣的心率范圍內(nèi)，若處于，則將第l個本征模式分量S_l加入候選本征模式分量集中；否則直接執(zhí)行步驟10；

步驟10、將l+1賦值給l；并返回步驟9；

步驟11、比較候選本征模式分量集中每個本征模式分量頻率的最大幅值，選取最大的最大幅值所對應(yīng)的本征模式分量作為最佳本征模式分量，對所述最佳本征模式分量采用峰值檢測算法獲得視頻心率檢測結(jié)果。