热成像进入AI人工智能时代！精准红外人脸识别

热成像的优点-、可以“看到”的距离非常远，热成像摄像机的成像不受环境光的限制，长焦距的热成像摄像机能观测3千米以上的人员和6千米以上的车辆。第二、热成像的隐蔽性非常强，完全是被动地接收信号，不主动发射探测信号，不容易被反侦察手段发现。同时，热成像识别隐蔽目标能力非常强。第三、不受雨、雪、雾、霾等环境影响，穿透能力强。在恶劣天气条件下的成像效果几乎不受影响。为什么是几乎呢？雨大了透过减弱。第四、全天候工作，不受强光和低照的干扰。不会像其他夜视设备那样受可见光强光干扰。

而低照度摄像机在没有环境光的情况下不能成像。第五、消防“眼睛”。可及早发现火灾隐患。一般的火灾都是由不明显的隐火引发的，热成像仪能及时发现电器、煤层、粮仓等异常高温点，及时报警。例如在秸秆焚烧治理中，热成像屡立战功。第六、热像仪可“透视”。热成像是具有一定的穿透性的，可以穿透衣服(较轻薄的衣服)、塑料袋、烟雾、雾霾等。热成像是“老花眼”热成像仪虽然相当于一双穿透黑夜之眼，但这双眼睛其实是双“老花眼”。热成像能够呈现物体的基本轮廓，让操控者判断大概物体属性。但是，无法看得和可见光一样清晰。所以我们常常说-热成像监控视频不能用于法庭取证。

AI+热成像人脸识别热成像和低照度双光相结合，可通过AI的深度学习技术加持，实现在黑暗中准确识别人脸。当使用热成像照相机拍摄面部图像时，主要的挑战在于捕获的热图像必须与目标人物的常规可见图像的监视图像库相匹配。需要将构建出来的图像与数据库中的已知面部进行匹配，才能识别出目标。这项热成像人脸识别技术在追捕逃犯、打击恐怖分子、夜间作战方面有很大的用武之地。基于此，美国陆军研究实验室开发出了一套基于深度学习的AI识别系统。通过卷积神经网络的处理，热图像中人的眼睛、鼻子、嘴唇等的边界被标记出来，从而可以确定出人脸的整体形状。接下来，非线性回归模型将这些特征映射到相应的面孔样貌中。

这种被称为“多区域合成”的系统通过损失函数进行训练，热图像和可见图像之间的误差会被小化，从而可以构建出一个相对准确的人脸图像。从热图像中合成可见光图像是异质人脸识别中十分有前景的一项方法，可以利用已有的在可见光人脸数据库上训练的面部识别软件，并且更有效地进行跨光谱匹配。论文提出了一个利用全局和局部五官来增强判别性的可见光人脸图像合成方法。上图-热红外图像与可见光图像的跨模态匹配任务一直是异质人脸识别的一项重要挑战。

从热成像合成的可见光图像与可见光图像则可能够进行更有效的跨光谱匹配和判断。跨光谱识别主要有两类方法-1、直接跨光谱识别；2、跨光谱合成识别。使用多区域进行跨光谱识别实验结果合成方法对比合成图像与真实图像（顶部）的对比-热图像-可见光合成效果（中间）极化图像-可见光合成效果（底部）关键点检测对比-1、真实图像（顶部）；2、热图像-可见光合成效果（中间）；3、极化图像-可见光合成效果（底部）。识别效果对比如下表-可以看到，目前基于热成像技术多区域合成的模型精度和常规成像精度都超过了80%。热成像人脸识别的关键点在于建立庞大的人脸识别数据库。用新数据和已有数据库进行比对，同时，AI通过不断深入学习提高识别准确率。

红外热成像测温仪?在人流量大、密集型区域，如学校、商场、银行、证券交易所、影院、集市等公共场所；采用筛查型测温方式，快速实现对发热人员筛查，避免手工筛查造成的人员拥挤和聚集。在接近人流通过的出入口区域，设置双光谱测温摄像机，镜头对准出入通道，测温摄像机设置一个接近发热（譬如-37.3℃）的报警阀值,当人流中有达到或超过这个阀值，后端平台报警提醒工作人员，可以对发热可疑人员进行二次测温，既能快速筛查，也可避免工作人员一对一近距离接触式测温工作，形成交叉感染的风险。