人脸识别能测量体温吗？
发布网友
发布时间：2022-04-22 00:05
共5个回答
热心网友
时间：2023-06-24 20:52
好处还是有很多的，比如热成像测温无感快速测温系统
集成高精度热成像测温传感器，内置人脸智能抓拍算法，图像处理等技术于一体的智能产品。具备人脸检测、体温检测、人脸抓拍等强大功能。
可有效帮助用户监测出入人员的体温状态,有助于及时防范。应用于学校、写字楼、地铁、火车站、车站、超市等出入口场景。
可以配置通道闸、安检门、门禁机等不同硬件使用
人脸识别测温安检门闸机通道
热心网友
时间：2023-06-24 20:53
人脸识别测温已经用到人工智能，挺不错的。现在人工智能早已渐渐地渗入大家日常生活的各个方面，比如，人脸识别门禁系统、人脸识别测温、人脸识别消费、智慧小区、无人便利店等行业。不容置疑，人工智能在一定水平上了人们工作中，协助大家抵抗大量挑战和风险性。
人脸识别测温可加快公司复工，助推学员复课。提升病毒感染防疫工作中是每一个公司复工不可或缺的一环，人工智能的出场在一定水平上解决了复工防疫难点。商汤科技、海康、十牛校园、航空航天工信等企业，运用人工智能深度神经网络、图像识别技术等技术性*式创新红外热像测温仪，完成了公共场合无人化的智能化体温检测。
热心网友
时间：2023-06-24 20:53
人脸识别测温算其实在没有疫情之前就有的，但是是疫情的来临让他成为热点，科技助力了防疫，人脸识别可以实现非接触测温同时进行人脸抓拍记录。起到了非常好的防疫作用，可以快速追溯体温异常人员，降低传播风险。但是也要注册测温人脸识别设备的使用注意事项如下，否则会引起测温不准确的问题：
1. 测温设备应在不通风，室温在16℃-40℃之间的房间中使用；
2. 室内外温度差异大，会影响测温精度；
3. 需开机预热10分钟，待传感器温度和环境温度平衡后开始测试；
4. 需保证设备3米范围内没有加热源、空调风口；
5. 需在室内让额头无遮挡三分钟且温度稳定后再进行额温测试；
6. 被暴露于某些因素下会使额头温度改变，如淋浴、吹风机、喷雾等；
7. 以下因素如：额头有汗水、化妆、皱纹等会造成读取温度偏差；
8. 需确保将测温点对准额头中心。
热心网友
时间：2023-06-24 20:54
人脸识别测温采用宽动态高清人脸识别摄像头，完全适应强光逆光弱光等苛刻环境， 具有识别速度快，准确率高，名单库容量大等特点。
热心网友
时间：2023-06-24 20:55
(1)随着人脸识别测温终端的出现，改变了传统的社区登记方式，完成了数据采集的完整收集。
(2)关爱老人、残疾人等人群，采用不开门不关门的方式每天运行预警信息，两天不开门不回电，三天不开门不关门上门走访入口；
(3)通过人脸识别门禁设备，减轻社区工作人员和警务人员的压力，将他们大量注入到为民服务的工作中去。
人脸识别测温终端的优势：
1.非接触识别：人脸识别不需要像指纹验证或虹膜识别那样。通常被鉴定人必须积极进行检验，只需站在机器设备的检验区域，方便快捷。
2.非强制：客户基本上可以下意识地获得面部图像，不需要面部采集机器设备的专业配合，也没有那样的“强制”采样方式。
3.防伪标志水平强：人脸作为一种独特的生理特征，再加上越来越完善的活体检测技术，可以有效应对众多假冒攻击。
4.并发：可以在真实应用环境中进行人脸的明示排序、判断和识别，符合视觉效果的特点：具有“以貌取人”的特点，操作简单，结果直观，隐蔽性好。
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官在结构和外观上都是相似的。该特征有利于人脸的定位，但不利于利用人脸来区分人类个体。有哪些因素影响人脸识别测温终端工作？
1.人脸相似度
不同个体之间差别不大。所有的人脸在结构上都是相似的，甚至面部器官在结构和外观上都是相似的。该特征有利于人脸的定位，但不利于利用人脸来区分人类个体。
化妆、整容等旨在模仿某个明星的人为因素，让这个问题变得更加棘手。尤其是对于双胞胎来说，人脸识别系统能否正确识别他们，在学术界其实是有争议的。有专家认为，双胞胎根本不应该用人脸识别技术来区分，也不可能用人脸识别技术来准确区分。
2.人脸防伪
伪造人脸图像进行识别的主要欺骗手段是建立三维模型，或者嫁接一些表情。随着人脸防伪技术的提高，3D人脸识别技术和摄像头等智能计算视觉技术的引入，伪人脸图像识别的成功率将大大降低。
3.动态识别
在人脸识别不协调的情况下，由于摄像头运动或对焦不正确导致人脸图像模糊，会严重影响人脸识别的成功率。在地铁、高速公路卡口、车站卡口、超市防盗、边检等安防、监控、识别的使用中，这种难度明显。
4.缺少样品
基于统计学习的人脸识别算法是目前人脸识别领域的主流算法，但统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一种不规则的流形分布，因此能够获得的样本只是人脸图像空间中的极小一部分。如何解决小样本下的统计学习问题需要进一步研究。此外，参与训练的人脸图像数据库基本都是外国人的图像，关于中国人和亚洲人的人脸图像数据库非常少，使得人脸识别模型的训练更加困难。
5.图像质量问题
人脸图像的来源可能很多，由于采集设备的不同，获得的人脸图像质量也不同。特别是对于那些分辨率低、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图像、远程监控拍摄的图片等)。
如何有效识别人脸是一个需要关注的问题。同样，高分辨率图像对人脸识别算法的影响也需要进一步研究。现在我们在识别人脸时，通常使用大小相同、清晰度相近的人脸图像，所以图像质量问题基本可以解决，但是面对现实中比较复杂的问题，我们需要继续优化处理。
原文出自 汉玛智慧
