本研究提出了利用近红外视频成像技术，通过肉眼无法察觉的颈动脉脉冲和呼吸运动来测量 HR 和 BR 的低成本方法，并使用模板匹配、PCA 和 HMM 等技术实现数据平滑，结果表明该方法在暗光和明光下，能够实现比 FDA 认定设备更高精度的体征测量，这将推动非接触式生理测量技术在现实环境中的应用。

May, 2018

该论文提出了一种新颖而强大的方法来跟踪呼吸，它可以补偿其他因素对呼吸监测带来的负面影响，并且可以在高动态范围情境下准确地提取呼吸率，这项技术主要包括优化量化技术、热梯度流方法和热体素方法。

May, 2017

通过使用深度学习，本研究从普通视频中估计婴儿的呼吸频率和波形，为婴儿呼吸监测提供自动、连续和非接触性的方法。通过构建 AIRFlowNet 模型并使用公开的婴儿呼吸数据集 (AIR-125) 进行训练和测试，结果表明该方法在呼吸频率估计方面明显优于其他公开模型，平均绝对误差为约 2.9 次 / 分钟，而其他设计用于成人主体和更一致环境的模型的平均绝对误差在约 4.7-6.2 次 / 分钟。

Jul, 2023

使用混沌理论设计了一种脑启发式的框架，通过分析视频的光流信号的时空特性实现遥测心率测量，从而解决了现有方法中的准确性、适用性和隐私泄露问题。

Apr, 2024

通过距离心率相位（distancePPG）算法，结合人脸不同区域皮肤颜色变化的信号，以改善基于相机的估计的信噪比，从而实现非接触心率监测。

Feb, 2015

本研究提出了一种利用不连续光波信号从机械机器人胸部反射出来的方法来检测非接触式呼吸异常，与现有的用于监测生命体征的雷达和摄像头感应系统相比，该技术仅使用低成本的常见光源（如红外线发光二极管）和传感器（如光电二极管），该光波感应系统能够识别机器人胸部反射光强的变化中的不同呼吸异常。呼吸异常检测模型使用机器学习方法在分类 7 种不同呼吸数据时达到了 96.6% 的平均准确率，该模型还能够检测系统收集的不包含呼吸信息的错误数据。这个开发的系统可以作为一个智能、非接触和隐蔽的呼吸监测方法在家庭或医疗设施中使用。

Nov, 2023

本文提出了一种基于 2D 相机且不受关注区域限制的计算廉价的方法估算周期性驱动的噪声 LTI 通道，并将其应用于呼吸模式 (RP) 的识别。通过将各个空间位置建模为噪声受到污染的线性时不变的（LTI）带有未知系统动力学的测量通道，来实现 RP 的估算， 然后将其作为盲卷积问题，并通过包括子空间投影和统计聚合的方法来解决。本方法在 31 名健康人类主体上进行实验，与同时获取的障碍性肺囊容积测定仪的基础真相相比，该估算器具有良好的相关性措施，尽管在衣物图案，视野角度和 ROI 的可变性方面。

Nov, 2016

提出了一种基于多摄像头的自监督视频心率和呼吸率测量方法，通过对多个摄像头捕获的面部视频进行对比学习，预测同步视频的脉搏和呼吸波，并通过数据增强技术和预训练模型提高模型的鲁棒性，实验结果表明该方法优于现有的心率和呼吸率测量方法。

Oct, 2023

研究表明，可以通过将空间分解和时间滤波与卷积神经网络相结合，从面部视频中遥测心率，且该方法在 HR 估计方面的表现明显优于标准测试集 MMSE-HR，并且与真实数据具有高一致性。

Dec, 2022

本文提出了一种使用深度卷积神经网络进行基于视频的非接触式心率和呼吸率测量的新方法，该系统采用一种基于皮肤反射模型的新动作表示和一种使用外观信息引导运动估计的新注意机制，从而实现在异质光照和主要运动下强大的测量，其空间 - 时域分布可通过注意机制进行可视化，能够显著优于所有当前最先进的 RGB 和红外视频数据集上的方法。

May, 2018