全面解析红外热检测系统是如何感应体温升高的？

自从2020年的一场突如其来的疫情，但是我们没有因为灾难的到来而退缩，我们不仅积极地抗击疫情，还得到稳定的控制，目前基本上恢复正常的日常生活。在这场战疫之中，我们使用最多的莫过于有着红外热检测系统的测温枪，本文我们全面解析红外热检测系统是如何感应体温升高的？

由于传统单纯红外传感型检测的准确性较差，利用可见光成像与红外热成像组合分析成为一种更加准确有效的检测方案。 人在感染病毒发病以后，人体生物体征信号会出现异常，比如：体温升高，心跳加快，呼吸加快。因此综合利用这些生物体征信号进行分析可以大大提高检测的准确性。第一代的综合分析检测设备采用生物 Radar 系统进行检测，相比传统的红外传感检测方法，检测的准确率从 81.5%提升到了 98%。但是这种基于微波雷达的方案成本太高，于是第二代综合分析检测设备开始采用可见光与红外热成像的混合方案，基于图像处理与 AI 的技术，使得成本降低的同时，准确性也得到了进一步的提高。 典型的二代 IRT 综合分析检测设备如下图。设备可以同时采集到可见光与红外图像。

通过红外图像可以很容易检测出人体尤其是面部的温度信息。

通过检测人在呼吸之间鼻孔区域的温度变化，可以检测出呼吸的频率。

可见光图像用来检测人的心跳信息，人在面部血液循环会随心跳体现微小的颜色变化，通过这种颜色变化可以计算出人的心率。

得到心率，呼吸频率，以及体温的特征以后，可以用传统的统计分析方法或者 ML 的方法进行分类，区分出健康人或者受感染者。

由下图可见，传统的单纯体温检测法（大于 37°截止阈值），二象限内的样本都会被遗漏掉，会存在大量的漏检。

用传统的数据分析的分类方法，相当于在大量数据里，用一条直线进行分类，当有样本落在直线左边，这种分类方法就漏检了。

利用 machine learning 的方法，相当于可以用一条不规则的线进行分类。

这样，就大大提高了分类的准确性。

最新一代的 IRT 快速检测设备普遍采用了 AI 技术，以提高识别的准确性。

希望广大成像科学家，工程师一起努力，把更多的新技术用来为人类健康服务。