心跳資訊是臨床檢測生命參數的重要指標，現行的主流方法是採用接觸式檢測技術，非接觸式(Non-contact)的檢測是指借助外來能量，不接觸人體的方式，來檢測人體生理環境的變化。
目前一般使用於量測身體狀況參數的生理監視儀器，皆須要以有線的方式，將感測器聯結於量測者的身體上，長時間下來對量測者而言是相當不舒服的。非接觸式偵測的設備由於價格過於昂貴及取得不易，不適合在一般家庭或是個人使用。
本研究提出一套基於影像之非接觸式心跳量測方法，利用人臉對於光線吸收的變化來找出心跳，並過影像處理與獨立成份分析法將影像中隱含的資訊找出並集中，再透過頻域轉換及心跳估測等程序，達到全自動非接觸量測。

Clinical testing heart beat information is an important indicator of life parameters; the current mainstream approach is the use of contact detection technology. Non-contact detection refers to the use of external energy without contacting the human body to detect changes of the human body in the physiological environment.
Physiological monitor instrument is generally connecting the human body by using wired sensor to measure human body’s physical parameters; it is uncomfortable for people to using this monitoring instrument for a long time. Non-contact detection devices are not suitable for use in general household or personal, because its price is too expensive and difficult to acquire.
This study proposes a non-contact method based on video format to measure the heartbeat. It uses the information of the absorption amount of our face to various lights to predict the heartbeat; it is also through image processing and Independent Components Analysis (ICA) to find the hidden information in images and to integrate these information, and then through frequency domain transformation and heartbeat estimation procedure, to achieve a complete automatic non-contact measurement.

目錄
致謝	I
中文摘要	II
ABSTRACT	III
目錄	IV
圖目錄	VII
表目錄	VIII
第一章 緒論	1
1.1 前言	1
1.2 研究動機與目的	2
1.3 論文架構	2
第二章 原理與方法	3
2.1 文獻回顧	3
2.2 獨立成份分析法	5
2.2.1 引言	5
2.2.2 獨立成份分析法的基本概念	6
2.2.3 獨立成份分析法的演算流程	9
2.2.3.1 中心化	12
2.2.3.2 白化	12
2.2.3.3 定義目標函數	14
2.2.3.4 最佳化演算法	17
2.2.4 獨立成份分析法模擬	21
第三章 實驗設備及流程	23
3.1 實驗設備	23
3.2 流程簡述	24
3.3 影像前處理	26
3.3.1 色彩頻道(Color Channel)	26
3.3.2 感興趣區域(Region of Interest)	27
3.3.3 顏色直方圖(Color Histogram)	27
3.4 獨立成份分析法應用	29
3.5 心跳偵測	31
3.5.1 快速傅立葉轉換	31
3.5.2 頻譜分析	32
第四章 實驗結果與分析	37
4.1 實驗說明	37
4.2 Case 1 膚色不同的測量	37
4.2.1 實驗數據	39
4.2.2 誤差率比較	40
4.2.3 實驗結果	42
4.3 Case 2 運動前與運動後比較	42
4.3.1 實驗數據	43
4.3.2 誤差率比較	44
4.3.3 實驗結果	45
4.4 Case 3 不同量測時間	46
4.4.1 實驗數據	46
4.4.2 誤差率比較	48
4.4.3 實驗結果	50
第五章 結論與未來展望	51
參考文獻	52
附錄一 量測100次之結果	55

 
圖目錄
圖 2.1含氧血紅素(HbO2)與去氧血紅素(Hb)吸收光譜[5]	3
圖 2.2可見光譜	4
圖 2.3雞尾酒會問題示意圖	7
圖 2.4 獨立成份分析法簡易流程	9
圖 2.5獨立成份分析法完整流程	11
圖 2.6 FastICA最佳化演算流程[13]	20
圖 2.7 獨立成份分析法實例	21
圖 3.1 量測狀態圖[15]	23
圖 3.2 實驗流程圖	25
圖 3.3 色彩頻道表示圖	26
圖 3.4 ROI區域表示圖	27
圖 3.5 顏色直方圖範例	28
圖 3.6 RGB Raw traces示意圖	29
圖 3.7 獨立成份分析法處理過後的三個獨立成份	30
圖 3.8 Green traces轉頻譜示意圖	33
圖 3.9 Component 1轉頻譜示意圖	34
圖 3.10 Component 2轉頻譜示意圖	35
圖 3.11 Component 3轉頻譜示意圖	36
圖 4.1 受測者A	38
圖 4.2 受測者B	38
圖 4.3 受測者C	38

表目錄
表 4.1 受測者A(膚色黑)的數據	39
表 4.2 受測者B(膚色一般)的數據	39
表 4.3 受測者C(膚色白)的數據	40
表 4.4 受測者A(膚色黑)的差值與誤差率	40
表 4.5受測者B(膚色一般)的差值與誤差率	41
表 4.6 受測者C(膚色白)的差值與誤差率	41
表 4.7 Case 1差值與差值標準差	42
表 4.8 運動前的數據	43
表 4.9 運動後的數據	43
表 4.10 運動前的差值與誤差率	44
表 4.11 運動後的差值與誤差率	45
表 4.12 Case 2差值與差值標準差	45
表 4.13 測量時間:20秒的數據	46
表 4.14測量時間:10秒的數據	47
表 4.15測量時間:5秒的數據	47
表 4.16測量時間:20秒的差值與誤差率	48
表 4.17 測量時間:10秒的差值與誤差率	49
表 4.18 測量時間:5秒的差值與誤差率	49
表 4.19 Case 3差值與差值標準差	50
表 5.1 量測錯誤率	51

[1]謝廣霖，”個人心電圖量測系統之實現”，淡江大學電機工程學系，2006。
[2]陳耀勳，”心率、PPG和非侵入脈搏波信號之相關性研究”，逢甲大學自動控制工程所，2005。
[3]連奉先，”非接觸式生理訊號感測器之研製”，臺北科技大學電機工程學系，2013。
[4]Lingqin Kong, Yuejin Zhao, Liquan Dong, Yiyun Jian, Xiaoli Jin, Bing Li, Yun Feng, Ming Liu, Xiaohua Liu and Hong Wu, “Non-contact detection of oxygen saturation based on visible light imaging device using ambient light,” Optics Express, Vol. 21, Issue 15, July 2013, pp. 17464-17471.
[5]DJ Mordant, I Al-Abboud, G Muyo, A Gorman, A Sallam, P Ritchie, AR Harvey and AI McNaught, “Spectral imaging of the retina,” Eye (Lond), Mar. 2011, pp. 309-320.
[6]Wim Verkruysse, Lars O Svaasand and J Stuart Nelson, “Remote plethysmographic imaging using ambient light,” Optics Express, Vol. 16, Issue 26, Dec. 2008, pp. 21434-21445.
[7]T .W. Lee, “Independent Component Analysis: Theory and Applications”,
Kluwer Academic Publishers, Boston, MA, 1998.
[8]C. Jutten and J. Herault, ” Blind separation of sources, part I: An adaptive algorithm based on neuromimetic architecture,” Signal Processing, vol. 24, July. 1991, pp. 1-10.
[9]P. Comon, “Independent component analysis, A new concept?,” Signal Processing, Elsevier, vol. 36, Apr. 1994, pp. 287-314.
[10]A. Hyvarinen, “A family of fixed-point algorithms for independent component analysis,” In Acoustics, Speech, and Signal Processing, 1997. ICASSP-97., 1997 IEEE International Conference on, vol.5, Apr. 1997, pp. 3917-3920.
[11]T.-W. Lee, A. Ziehe, R. Orglmeister, and T. J. Sejnowski, “Combining time-delayed decorrelation and ICA: Toward solving the cocktail party problem,” Proceedings of the 1998 IEEE International Conference on, Acoustics, Speech and Signal Processing, vol. 2, May. 1998, pp. 1249 -1252.
[12]A. Hyvarinen, J. Karhunen and E. Oja, Independent Component Analysis, John Wiley & Sons, Inc., New York, 2001.
[13]A. Hyvarinen and E. Oja, “Independent Component Analysis: Algorithms and Applications,” Neural Networks, vol. 13, 2000, pp. 411-430.
[14]A. Hyvarinen, “New approximations of differential entropy for independent component analysis and projection pursuit,” In Advances in Neural Information Processing Systems, vol.10, 1998, pp. 273-279.
[15]T. Pursche, J. Krajewski and R. Moeller, “Video-based heart rate measurement from human faces,” 2012 IEEE International Conference On Consumer Electronics(ICCE), Jan. 2012, pp. 544-545.
[16]M. Lewandowska, J. Ruminski, T. Kocejko, and J. Nowak, “Measuring pulse rate with a webcam-A non-contact method for evaluating cardiac activity,” In Proc. Federated Conf. Comput. Sci. Inform. Syst., Sept. 2011, pp. 405-410.
[17]M. Garbey, N. Sun, A. Merla, and I. Pavlidis, “Contact-free measurement of cardiac pulse based on the analysis of thermal imagery,” IEEE Trans.Biomed. Eng., vol. 54, no. 8, Aug. 2007, pp. 1418-1426.
[18]M. Z. Poh, D. J. McDuff and R. W. Picard, “Advancements in noncontact, multiparameter physiological measurements using a webcam,” IEEE Trans. Biomed. Eng., vol. 58, no. 1, Jan. 2010, pp. 7 -11.
[19]Chun-Li Wang, Wei-Jan Chen, Wan-Jing Ho, Lung-An Hsu, Nye-Jan Cheng, Tsu-Shiu Hsu and Chi-Tai Kuo, “Assessment of Doppler-derived Aortic Flow in Atrial Fibrillation Using Beats with Equal Subsequent Cycles,” Acta Cardiologica Sinica, vol. 22, no. 1, Mar. 2006, pp. 16-23.