Autoregressive modelling is used to identify periodic physiological signals such as heart rate or breathing rate in an image of a subject. The colour channels of a video signal are windowed and normalised by dividing each signal by its mean. The ratios of the normalised channels to each other are found and principal component analyses conducted on the ratio signals. The most periodic of the principal components is selected and autoregressive models of one or more different orders are fitted to the selected component. Poles of the fitted autoregressive models of different orders are taken and pure sinusoids corresponding to the frequency of each pole are generated and their cross-correlation with the original component is found. Whichever pole corresponds to the sinusoid with the maximum cross-correlation is selected as the best estimate of the frequency of periodic physiological information in the original video signal. The method may be used in a patient monitor or in a webcam-enabled device such as a tablet computer or smart phone.L'invention concerne une modélisation auto-régressive qui est utilisée pour identifier des signaux physiologiques périodiques, tels qu'une fréquence cardiaque ou un rythme respiratoire, dans une image d'un sujet. Les canaux de couleur d'un signal vidéo sont soumis à un fenêtrage et normalisés en divisant chaque signal par sa moyenne. Les rapports des canaux normalisés les uns sur les autres sont trouvés, et des analyses de composante principale sont réalisées sur les signaux de rapport. La composante principale la plus périodique parmi les composantes principales est sélectionnée, et des modèles auto-régressifs d'un ou plusieurs ordres différents sont ajustés à la composante sélectionnée. Des pôles des modèles auto-régressifs ajustés d'ordres différents sont pris, et des sinusoïdes pures correspondant à la fréquence de chaque pôle sont générées et leur corrélation croisée avec la composante d'origine est trouvée. L'un ou l'autre pôle cor
