AI入场热红外成像双方的检测区域同步
发布日期：2020-05-07 16:13

虽然利用热红外成像技术可以让我们轻松“检测”出发热点，但是它有一个非常明显的缺陷——在热红外线“眼”中，同样温度的物体是归为一类的。简单一点儿解释，假如小明与同伴小李手里的保温杯都被检测为38°，那么小明与拿着保温杯的小李都得被扣下来。如果追究更加深层次的原因，首先便在于“不同物体的发射率”对温度测量精度会产生很大的影响。这里的“发射率”，是由波长、温度、物体材料以及物体表面条件综合决定的，要想获得可靠的数据非常困难。

举个例子，金属的发射率通常较低，而且随外部环境温度的增加而增加，甚至当表面形成氧化层时，还能成10倍增加；而非金属的发射率则相对较高，受环境的影响相对较小。

这也就能解释，为何此前市面上很多红外热成像测温摄像头对某一块区域做温度最高点的检测，很容易受到物体发射率以及外界环境影响而出现误报。

“环境因素是绝对不能忽视的。”一家安防监控头部企业告诉虎嗅，测量体温有一套严格机制，要结合湿度、环境温度以及距离才能保证准确。环境温度越接近甚至高于目标温度，不确定性就会越大。
 

“一般火车站和汽车站都闹哄哄的，而且温度比较高，所以很多公司的测温仪精度并没有很准，一定有人数检测上限。”但是，仅从物体发射率来看，相对于金属，人脸（或者说人的皮肤），在中波红外与长波红外的两个波段范围能够吸收大量的入射能量，简单说，就是发射率较高，受环境的影响相对较小。

“人体发出的热辐射比较稳定，在特定范围内，能够与周围环境进行‘分割’。”因此，对于市面上大部分热红外测温仪生产商来说，即使不特别提到“人工智能”，也不得不开始在系统中尝试使用与AI相关的脸部识别算法。

“首先，我们可以通过人脸识别摄像头找到测试区域，把其映射到热成像摄像头中；接下来，要取出这片区域的温度，通过一定补偿算法来给出实际的体表温度。”基于这样一套检测流程，刚刚推出AI热红外测温仪​的某技术创业公司向虎嗅指出，将人脸识别技术与红外热成像技术相结合是很有必要的，但难点在于：一方面，是如何保证红外摄像头与人脸识别摄像头之间的数据同步；另一方面，是如何保证双方的检测区域同步。