熱成像進入AI人工智能時代!精準(zhǔn)紅外人臉識別

熱成像進入AI人工智能時代！精準(zhǔn)紅外人臉識別

AI 熱成像人臉識別熱成像和低照度雙光相結(jié)合，可通過AI的深度學(xué)習(xí)技術(shù)加持，實現(xiàn)在黑暗中準(zhǔn)確識別人臉。當(dāng)使用熱成像照相機拍攝面部圖像時，主要的挑戰(zhàn)在于捕獲的熱圖像必須與目標(biāo)人物的常規(guī)可見圖像的監(jiān)視圖像庫相匹配。需要將構(gòu)建出來的圖像與數(shù)據(jù)庫中的已知面部進行匹配，才能識別出目標(biāo)。這項熱成像人臉識別技術(shù)在追捕逃犯、打擊、夜間作戰(zhàn)方面有很大的用武之地?；诖?，美國研究實驗室開發(fā)出了一套基于深度學(xué)習(xí)的 AI 識別系統(tǒng)。通過卷積神經(jīng)網(wǎng)絡(luò)的處理，熱圖像中人的眼睛、鼻子、嘴唇等的邊界被標(biāo)記出來，從而可以確定出人臉的整體形狀。接下來，非線性回歸模型將這些特征映射到相應(yīng)的面孔樣貌中。

這種被稱為“多區(qū)域合成”的系統(tǒng)通過損失函數(shù)進行訓(xùn)練，熱圖像和可見圖像之間的誤差會被化，從而可以構(gòu)建出一個相對準(zhǔn)確的人臉圖像。從熱圖像中合成可見光圖像是異質(zhì)人臉識別中十分有前景的一項方法，可以利用已有的在可見光人臉數(shù)據(jù)庫上訓(xùn)練的面部識別軟件，并且更有效地進行跨光譜匹配。提出了一個利用全局和局部五官來增強判別性的可見光人臉圖像合成方法。上圖：熱紅外圖像與可見光圖像的跨模態(tài)匹配任務(wù)一直是異質(zhì)人臉識別的一項重要挑戰(zhàn)。

從熱成像合成的可見光圖像與可見光圖像則可能夠進行更有效的跨光譜匹配和判斷?？绻庾V識別主要有兩類方法：

1、直接跨光譜識別；

2、跨光譜合成識別。使用多區(qū)域進行跨光譜識別實驗結(jié)果合成方法對比合成圖像與真實圖像（頂部）的對比：熱圖像 - 可見光合成效果（中間）極化圖像 - 可見光合成效果（底部）

關(guān)鍵點檢測對比：

1、真實圖像（頂部）；

2、熱圖像 - 可見光合成效果（中間）；3、極化圖像 - 可見光合成效果（底部）。識別效果對比如下表：可以看到，目前基于熱成像技術(shù)多區(qū)域合成的模型精度和常規(guī)成像精度都超過了 80%。熱成像人臉識別的關(guān)鍵點在于建立龐大的人臉識別數(shù)據(jù)庫。用新數(shù)據(jù)和已有數(shù)據(jù)庫進行比對，同時，AI通過不斷深入學(xué)習(xí)提高識別準(zhǔn)確率。

紅外熱成像測溫儀?在量大、密集型區(qū)域，如學(xué)校、商場、銀行、證券、影院、集市等公共場所；采用篩查型測溫方式，快速實現(xiàn)對發(fā)熱人員篩查，避免手工篩查造成的人員擁擠和聚集。在接近通過的出入口區(qū)域，設(shè)置雙光譜測溫攝像機，鏡頭對準(zhǔn)出入通道，測溫攝像機設(shè)置一個接近發(fā)熱（譬如：37.3℃）的報警閥值,當(dāng)中有達(dá)到或超過這個閥值，后端平臺報警提醒工作人員，可以對發(fā)熱人員進行二次測溫，既能快速篩查，也可避免工作人員一對一近距離接觸式測溫工作，形成的風(fēng)險。