【.com原稿】随着越来越多的企业开始复工，新型冠状病毒肺炎疫情也来了“外防输入、内防输入”疫情防控关键时期。出入口体温检测成为刚需 疫情期间的紧急需求 如果你已经返岗或复工，在车站等交通枢纽不难发现和地铁站，很多安检口都设置了摄像头，一些工作人员观察背后的显示屏，当有行人经过时，人体的红外图像就会显示在上面屏幕。如果体温在正常范围内，行人将被拦截，工作人员将进行二次测温。 这样的场景是基于AI测温技术的实现。与传统体温筛查方式相比，实现非接触感应、高效通行、高温智能预警。普通体温监测需要手动手持额温枪，工作量大，效率低。也容易导致排队人群密集。同时，近距离监测方式也增加了交叉感染的风险。在疫情防控的焦急需求下，AI测温方案开始走入大众视野。 从公开的新闻报道中可以看出，百度AI多人体温快速检测解决方案已经在北京清河火车站落地。基于人脸关键点检测和图像红外温度点阵温度分析算法，该方案可以对特定区域内乘客的额头温度进行检测，即使戴帽子、戴口罩也能进行快速筛查；商汤AI智慧防疫解决方案区域通道模块在北京首都机场3号航站楼投入使用，系统自动监测行人。测量前额温度。如有疑似体温异常，会实时发出声光和弹窗警报。对于没有佩戴口罩的人员，系统也能自动识别并提醒；旷视AI测温系统应用于海淀区政务大厅和海淀区部分地铁站，系统支持大于3米的非接触式远距离测温。其智能疑似高烧报警带宽可达15人/秒，一个系统可部署16个通道，基本保证了一个地铁口的管控…… 从技术角度来说，AI测温有两种技术支持“红外测温+人脸识别”。人体是一个天然的散热器，它保持在一个相对稳定的状态。可以在一定范围内与周围环境区分开来，进行“分段”。人脸识别技术可以定位人脸的测试区域，并将其映射到热像仪上。得到该区域的温度后，通过一定的补偿算法给出实际的体表温度。 从行业产品来看，目前市场主要采用“红外+可见光”双传感器组合。采用红外技术保障远距离实时测温，采用AI视觉技术定位、识别、追迹。以接触式、非合作的方式实现大规模人流筛查。 从应用目的来看，AI测温主要适用于人流量较大的各类出入口，进行大范围初筛，对“疑似高温”进行识别预警。由于各个科技公司的AI测温方案细节不同，限制产品精度的因素也不同，行业标准也不统一。为了进行更准确的测量，需要手动筛选。 测温精度是如何炼成的 对于AI测温产品和解决方案来说，测温精度是影响疫情控制效果的关键指标之一。目前很多企业推出的产品测温精度一般标注在±0.3℃-±0.5℃左右。当然，理论上这个值越小，误差越小，精度越高。 导致测量值差异的因素主要与红外探测器的分辨率、是否配置黑体、外部环境有关。 红外探测器的分辨率直接影响热像仪的清晰度。一般来说，分辨率越高，最小成像面积越小，识别被测物体的准确度越高。从记者在市场了解到的AI测温产品来看，红外探测器的分辨率差异较大。常见的有384*288、256*192、160*120……当然像素越高精度越高。成本越高。 黑体对于红外测温仪的校准非常重要，因此对精度的影响不言而喻。因为黑体可以吸收所有的辐射能量并辐射出去，所以没有能量损失，只有用红外测温仪来检测，测得的温度才是准确的。即在红外测温仪中使用黑体来校正仪器的测温误差，校准仪器的测温曲线。根据AI测温项目组测试，AI测温方案精度在有黑体时为±0.3℃，无黑体时为±1℃。 另外，在没有环境温度的情况下评价红外测温仪的准确度是不可靠的。由于红外测温只能测量物体表面的温度，当环境温差过大时需要调整时间，而在零度以下的环境下大部分测量误差会比较大。北京的冬天，如果你从外面走进地铁站，工作人员用额温枪扫一下额头，显示的温度可能在30度左右。日常生活中你可能经常有这样的体会：室内测温比室外测温“准”，藏在袖子里的手腕内侧测温比裸露的额头测温“准”。 考虑到以上因素，为了达到相对准确的测温效果，目前市面上的AI测温方案往往需要将高分辨率红外探测器与高精度黑体结合起来，且无需特殊的需求，一般是部署在室内，甚至会设置一定的过道来缓冲温差。但是，由于成本等原因，一些公司正在寻找可以替代黑体来实现精度的方法。从目前的实践来看，作为体温“初筛”的屏障，±0.5℃-±0.3℃的误差基本可以满足落地要求。 人脸识别与测温技术联动 红外测温技术已经相当成熟，其作用毋庸置疑，那么人脸识别在AI测温产品中起到什么作用呢？就现有的技术方案而言，主要集中在两点。一是抓取人脸信息，对人脸信息进行结构化处理，提高检测精度；遏制疫情蔓延。 传统的热成像红外测温技术中，环境因素的干扰比较大，将温度相近的物体归为一类，尤其是当环境温度与目标温度比较接近时，“误判”的可能性"越大越大。一个典型的例子是，如果在红外探测器下，小赵和同伴小倩手中的保温杯都被检测为38°，那么拿着保温杯的小赵和小倩都得被拘留。如果能够找到一个特定的检测区域来区分个体，检测的准确率将会提高。 引入AI人脸识别技术的意义就在这里。由于人脸或人体皮肤散发出的热辐射相对稳定，受环境影响相对较小，在复杂的环境中，人脸是人体与外界环境最容易区分的部位，更能与周围环境区分开来环境。以旷视的AI测温技术为例。AI视觉技术捕捉到人脸后，可以通过“快照标定”对可见光图像中的人脸、人体等生物信息进行结构化处理，将“额头”、“人脸”、然后将“人体”等部位与红外测温结果进行比对校准，从而提高测温精度。 此外，人脸识别技术的加持也是追踪人的运动轨迹的一大利器体温异常，分析潜在感染者，京东针对疫情研发的智能温感排查系统充分利用了这一点。 据京东云和AI技术研发人员介绍：“我们在口罩等技术的掩护下，将体温感应和人脸识别联动起来，遇到体温异常的人，系统可以整合多维度数据快速追踪他们的活动轨迹，智能分析接触人数和潜在感染人数，助力有效遏制病毒感染蔓延。” 本系统通过红外摄像头“抓取”人流中体温过高的人，可以快速定位体温异常者。当有人体温超标时，系统会立即报警，并在“疑似人员区”界面高亮显示，帮助现场工作人员快速进行二次确认。更重要的是，系统可以随时查询所有通过测温卡口的人员和疑似人员的信息，包括人脸照片、检测体温值、通过时间等，便于统计和事后追踪。同时，系统能够整合多维数据，智能分析追踪疑似感染者的移动轨迹，为接触人群和潜在感染传播人群提供预测。此外，该系统还支持与现有监测平台、定位设备集成，形成完整的疫情防控体系。目前，京东智能体温筛查系统已在全国10多个城市的人口密集区和重点出入口应用。 人脸识别的突破 在这次疫情的AI测温方案中，有一个比较普遍的技术瓶颈——口罩下的人脸识别率不足。长期致力于3D人脸识别的AI安全公司鲁深石将这个技术难点归结为： 首先，戴口罩人脸的人脸检测和关键点检测的准确性被口罩挡住 其次，由于mask的遮挡，人像信息减少，学习到的特征的判别性变差。具体来说，2D的纹理信息会因为遮挡而丢失，3D的形状信息会有噪声； 第三，口罩种类繁多，口罩遮挡程度不同。如何更多地利用非遮挡区域的信息是主要问题。 围绕人脸识别方向严重受阻，卢深石于2020年1月中旬启动了口罩识别项目，到1月底实施时间约两周。 在卢深石参与建设的温州地区多人智能筛查项目中，采用热成像体温检测手段结合人脸识别比对技术，可快速识别体温异常人员及身份，系统自动调整找出其过去的行为轨迹，实现智能筛选和轨迹追溯。整个筛查过程无感，大角度可识别，满足疫情防控需要。事实上，这个问题的解决过程经历了许多波折。 戴口罩的人脸数据是第一个难点。优化人脸识别算法模型，训练数据越大，优化效果越好。但是，在实验阶段很难在短时间内收集到大量的口罩佩戴数据。为此，卢的卢深石采用了模拟遮挡的方法，生成了大量的二维和三维遮挡数据。据卢深石介绍，在3D遮挡数据方面，一般是先重建3D人脸模型，然后将口罩的3D模板模型与3D人脸模型进行非刚性对齐，完成模拟加人脸的操作。面具。 除了数据，算法也面临着很大的挑战。戴口罩人脸识别涉及的算法除了人脸检测、关键点检测和人脸特征提取算法外，还包括口罩（有无）检测或口罩区域检测。由于嘴部区域和鼻子区域被遮挡，相比未遮挡的识别难度是显而易见的。 的卢深石研发团队基于人脸的全局特征和局部特征相结合的方法，同时充分利用人脸未被遮挡部分的3D几何信息进行3D人脸识别研究，尤其是增加眼睛的大小。特征，提高模型在遮挡情况下的识别率。鲁深石的工作人员补充说，在这个方案中，行人只需正确佩戴口罩即可，不需要露出某些鼻子特征。而且目前在戴口罩的场景下，识别准确率可以达到97%。 在助力温州疫情防控的项目中，卢深石还利用去年建立的3D人脸数据库模型，为疫情排查提供了依据。疫情期间，温州在全市实施村（居）民出行管控措施，要求全市每户每两天派一名家庭成员采购物资。为确保这一管控措施的有效实施，卢慎石利用3D视觉目击比对终端设备，配合3D人像数据平台，形成目击比对和快速建库方案。同时，新增人员快速入库，后台大数据系统实时绘制人员行为轨迹，实现智能排查、科学预警。 疫情过后：理性看待行业前景 面对突如其来的疫情，众多AI企业纷纷参与AI测温方案的研发，其产品也随处可见场所，包括访问控制和大门。有了测温功能，机器人、无人机也在测温一线试水。不过，疫情过后，测温是否会成为一项基础服务，成为社会机器的一部分，目前还不得而知。至少目前来看，AI测温要在日常生活中大规模落地还有很长的路要走。 从技术角度来说，AI测温方案本身依赖于红外测温与人脸识别的融合，但在技术成熟度上，本方案两者的融合程度还有待提高加深。而且在测温精度方面还没有形成统一的行业标准。外人其实并不知道业界标示的精度偏差值是基于什么样的测试条件，是否真的能达到这样的效果。 从非技术角度来看，AI测温设备本身价格昂贵，因为目前主要供应给政府等公共管理部门，所以成本问题并不算太突出。但事实上，一方面，疫情控制下物资紧缺，尤其是红外传感器等核心部件一直紧缺；另一方面，黑体和高精度红外探测器的使用会大大增加方案的成本，尤其是对于无人机、人脸识别门禁等产品来说，这个价格其实是很难承受的。 未来，随着更多AI测温方案和产品的出现，大规模落地前景可期。但痛点在哪里？应用场景有必要吗？业界应该更加理性地看待这个诞生在抗疫战场上的“新技术”。【原创稿件，合作网站转载请注明原作者和出处为.com】
