呼吸率是一种重要的人体生理指标,在评估人体呼吸状况和诊断呼吸障碍疾病上具有不可替代的作用。目前呼吸率检测方法多需专业人员操作,在家庭日常检测方面尚有不足,而近些年出现的基于视频的非接触式呼吸率检测方法具有操作简便、适用性强等优点,在智慧医疗领域极具发展潜力。现有基于视频的呼吸率检测方法在实时性上仍有不足,并且对人体姿态有所限制,最终影响检测性能。针对此问题,本文进一步研究了基于运动特征的视频呼吸率检测算法,具体概括如下:（1）提出了一种基于运动特征预估的呼吸率检测快速方法,该方法通过对视频中呼吸运动区域和方向进行预估,实现基于相位的呼吸率快速检测。首先,算法通过人脸检测和人体头身比选出胸部区域;然后建立呼吸信号模型,利用最大似然法精准定位呼吸区域,并且通过梯度信息确定呼吸区域内主要运动方向;最终结合呼吸运动方向,采用基于相位的信号处理算法提取呼吸信号,获取呼吸率。（2）提出了一种基于呼吸运动一致性的多姿态呼吸率检测方法,该方法不需人脸信息即能检测呼吸区域。具体而言,算法首先建立融合呼吸特征的显著性模型,呼吸区域在模型中具有更高显著性;之后根据显著性模型,获取呼吸区域,并最终获取呼吸率。实验证明算法可实现人体多姿态下的呼吸率检测。为了验证本文提出的基于运动特征的视频呼吸率检测算法性能,本文采集大量不同条件下的人体呼吸视频进行实验。实验结果表明:在正常坐姿下,基于运动特征预估的呼吸率检测快速方法检测呼吸率所用时间显著缩短,并与真实值保持较好一致性;在其他姿势下,基于呼吸运动一致性的呼吸率检测方法能够准确选取呼吸区域,获得准确的呼吸率。