La tasa de monitoreo de la frecuencia respiratoria es una medida importante en aplicaciones médicas y actividades físicas diarias. Los sensores de contacto han demostrado su efectividad para el monitoreo de la respiración y se han utilizado principalmente como referencia estándar, pero con algunas desventajas, por ejemplo, en pacientes con quemaduras con piel vulnerable. Los sistemas de monitoreo sin contacto están ganando atención para la detección de la frecuencia respiratoria. Proponemos una nueva técnica sin contacto para estimar la tasa respiratoria basada en el método de amplificación de video de movimiento mediante la transformada de Hermite y una Red de Hidrocarburos Artificiales (AHN). Los movimientos del pecho son rastreados por el sistema sin el uso de una Región de Interés (ROI) en el video de imagen. El sistema de aprendizaje automático clasifica los cuadros como inhalación o exhalación utilizando un AHN optimizado por Bayes. El método fue comparado utilizando una Red Neuronal Convolucional (CNN) optimizada. Esta propuesta ha sido probada en un conjunto de datos que contiene diez sujetos sanos en cuatro posiciones. El error porcentual y el análisis de Bland-Altman se utilizan para comparar el rendimiento de las estrategias que estiman la frecuencia respiratoria. Además, se utiliza el análisis de Bland-Altman para buscar la concordancia de la estimación con la referencia. El error porcentual para el método AHN es del ~99% y está de acuerdo con respecto a la referencia.