你可能沒有熱感相機，即使有，你也不知道如何使用它。對于許多人來說，第一次也是唯一一次與熱成像相關聯是因為冠狀病毒肺炎，它引發了熱感相機的廣泛部署，用于遠距離篩查體溫升高的人。所以標題中問題的答案是否定的。

　　但是等等——幾十年前你也會這么說，當時數碼相機還處于起步階段，幾乎沒有進入監控應用。然而現在你的手機里有三個或更多。是什么催化了這種變化？兩件事：技術突破和技術驅動力的改變。同樣的兩件事正在熱成像領域發生。技術突破是，現在可以使用標準CMOS工藝制造傳感器，實現大規模生產、快速小型化、低功耗和前所未有的成本降低。此外，熱成像不再僅僅用于軍事或邊境管制機構；社會和公民需求開始推動這項技術的發展。

雕像、樹木和公園噴泉的溫度記錄。（來源：亞當·塞比爾）

　　照片是用多像素熱成像傳感器獲得的，每個探測器都對所有物體發出的LWIR輻射敏感。每個像素代表視野中物體表面的溫度，并用顏色表示：較亮的顏色用于較熱的區域，而較暗的藍色和紫色色調表示較冷的區域。

　　事實上，用于移動設備的熱感相機附件正變得越來越流行，而且非常實惠，一些加固型手機甚至集成了這些附件。熱成像器開始滲透智能家居有了物聯網設備，用不了多久，你就會擁有一臺熱感相機。藝術家包括平澤健二和亞當·塞比爾已經揭示了當你把創造力加入到增強的熱感覺中時會發生什么。因此，不難想象社交媒體上的圖像流以探索我們與周圍世界的人類關系的另一種形式為特色。中的圖像圖1都是簡單的例子，但是還有其他原因，你會看到熱感相機就在你面前，而且比你想象的要快。

　　如今，檢測圖像或視頻中的人臉并識別此人身份的能力（通常稱為人臉識別或人臉識別（FID））已被日常使用（例如，用于身份驗證、登錄和訪問物理或數字資產）。然而，已經設計了許多方法來智勝這種系統，并通過所謂的呈現攻擊（例如，通過顯示打印的圖片、視頻回放、或者甚至高度逼真的3D打印的面具）來偽造人的身份。演示攻擊通常被稱為欺騙，是一個大問題，因為我們通常更喜歡FID的便利性，而不是因未經授權的訪問而造成損害的潛在風險。

　　這個問題已經激發了許多對可靠的face ID反欺騙（FAS）的研究和開發工作。除了標準視覺（RGB）圖像感測之外，已經提出了諸如深度成像或短波紅外（SWIR）成像之類的多種傳感器模態的部署，但是由于各種挑戰，包括傳感器的成本和缺乏完善的軟件算法或用于多模態人臉的大量訓練數據，還沒有得到廣泛部署認可。1

　　上面提到的欺騙方法有一個共同點：它們可能是人的視覺上精確的表示，但是它們不呈現活著的人固有的特征溫度信號。因此，用熱成像（長波紅外，或LWIR，傳感）來補充視覺傳感很有希望提高FAS。此外，它通常可以改善更具挑戰性的光照條件下的人臉檢測，并可能使人臉識別更加魯棒。然而，將熱模態添加到FAS還沒有得到全面的研究，廣泛采用的實際解決方案的技術挑戰主要是未經探索。2

　　例如，大多數使用熱模態的FAS演示都是用高分辨率的研究級攝像機完成的，這些攝像機價值數千美元。但是，相對低成本、大規模生產、低分辨率的熱像儀——如80 × 62像素陣列——能否達到同樣的效果，從而很快在手機、ATM、汽車、門鈴和電梯中找到一席之地？答案是肯定的。實現這一點的一種方法是在視覺域中使用面部檢測，在熱域中使用生命證明。

　　更全面的方法是在兩個域中同時執行人臉檢測，如中的快照圖像所示圖。這里的演示基于深度神經網絡（DNN）模型，該模型明顯優于基于溫度閾值和范圍的經典方法，特別是在具有背景熱和部分遮擋的挑戰性情況下。如最下面一行中的圖像所示，甚至成功地完成了地標提取。請訪問，查看面部檢測功能（RGB和熱感）bit.ly/3meLB7d.

圖:DNN模型執行的實時人臉檢測的快照，以每秒15幀的速度對輻射測量數據流進行操作，來自Meridian Innovation的第二代80 × 62像素熱像儀。底部一行的兩幅圖像（中間和右邊）展示了一個具有地標提取的模型。

　　這就引出了一個問題：我們能否通過從一個人的熱“簽名”中獲取生物特征，并補充從RGB域提取的生物特征，從而超越人臉檢測進入FID領域？這是一個積極研究和發展的領域。這里的一個挑戰是建立持久性（即這些特征存在于整個人群中，具有與每個個體相關的獨特性，并且可以在不同的生理狀態下進行測量）。另一個挑戰是不變性：不管環境條件如何，這些特征都能被檢測出來嗎？

　　越來越多、越來越多樣化的資產和服務的數字化是一個不可避免的趨勢，它疊加了人類對舒適、便利和安全的內在需求。這意味著在智能家居和智能城市的背景下，FID和FAS技術變得更加普遍和重要。因此，我們看到面向大眾市場的高性價比熱成像傳感器的出現是邁向下一代多光譜FID系統的一個重要里程碑。

　　在他的新書《如何防止下一個疫情》中 比爾·蓋茨冷靜地呼吁在全球范圍內采取行動，以確保我們避免冠狀病毒肺炎在世界范圍內造成的負面影響。目前的病毒株并沒有表現出與發病時相同的方式，因此大規模篩查高溫的設備已經從人們的視線中消失。然而，記錄顯示，從過去的瘟疫到季節性流感，再到最近的SARS、MERS和新型冠狀病毒，發燒一直是所有人類病毒爆發病例的主要癥狀病毒。3因此，有助于管理和遏制未來疫情爆發的兩個關鍵能力是，盡早自動檢測體溫升高人群異常高發的地點，并能夠監測和自動可視化疫情的傳播。

　　我們認為，當熱成像傳感器變得像可見光成像傳感器一樣不引人注目和無處不在時——在家庭中和人們手中，而不是懸掛在入口門上或支撐在城鎮和商場各處的三腳架上的笨重相機單元——這些能力將由相關治理機構支配，并向個人和衛生當局提供實時反饋。關鍵是熱像儀和它們的主人或者普通用戶在一起。因此，由深度學習模型支持的圍繞傳感器構建的應用程序可以以非常高的精度檢測異常體溫。隨后，應用程序可以提示用戶手動匿名提交該讀數，或者在事先授權的情況下，將該讀數與松散的本地化記錄一起自動上傳到相關門戶，如中概念性地所示圖.

圖：流行病爆發的早期檢測和監測的概念表示，由熱成像傳感器實現，如Meridian Innovation的第二代MI0802M5Si（圖在右下角），嵌入在具有人工智能功能的個人移動或桌面設備中，以檢測設備所有者或常規用戶的異常體溫。

　　我們相信這個時間離現在不遠了。現在，使用CMOS技術構建熱成像傳感器可提供尺寸小至9 × 9 × 5 mm的成像器，這與我們手機中白光傳感器的尺寸相差不遠，并且是在以前不可能的規模上完成的。這些熱成像器的成本也在正軌上，可以集成到我們日常使用的個人移動和固定計算設備中。我們看到，就功能而言，它們在任何地方都開辟了各種可能性，從社交領域到增強的FID，再到全球范圍的健康管理。

　　審核編輯：黃飛