從當前武漢疫情的各項癥狀來看，雖然“發熱”并不是判斷感染武漢肺炎的最關鍵指標，甚至有病例沒有發燒，但“發熱”這一癥狀，仍然是各基層醫院和特殊公共場所出入口（特別是缺少試劑盒情況下）用于初步判斷是否感染病毒的重要參考。

體溫測試只是一個初步排查手段，可以把體溫異常的人員找出來做更進一步檢查，而不是作為確診的唯一手段。公共場所的篩查需求，是“迅速”與“排除大多數”。

目前，“AI紅外測溫”的關鍵，仍然在于“紅外”二字，也就是生產紅外測量儀器必然要使用的“紅外熱成像技術”。

知乎網友“普雅花郎”給出的解釋非常通俗易懂——

很明顯，我們人體不同的部位都有不同的溫度。譬如在冬天，你的手腳可能相對會更冰涼一些，而頭部溫度也相對高于四肢與腰部。

因此，在紅外線的照射下，由于不同位置輻射的強度不一樣，人體各個部位的輪廓、人與人之間相同部位的溫度差異，也能清晰地呈現在畫面上。

與其他測溫方式相比，用熱紅外線進行測溫的好處就是“直觀”、“非接觸”以及“24小時不間斷工作”。

你可以通過一張畫面上呈現出的不同顏色，直接判斷究竟誰才是“發熱點”，還能計算出處于同一區域的兩個相同“發熱點”之間的溫差大概是多少。

一位做熱紅外成像儀器的行業人士做了這樣一個非常形象的解釋——比起市面上的“額溫槍”“耳溫槍”，熱成像測溫就像是“在人群中多看了你一眼，然后你的體溫就被記錄下來了”，既不用機器接觸，也沒有人工干預。

換句話說，這種“非接觸式”檢測能夠在很大程度上降低接觸性傳染的概率，因此在醫療領域，特別是對疾病的分析診斷具有重要意義。

此外，由于“可見光”完全影響不了紅外線的發射，霧霾也不會對紅外波長產生影響，所以理論上，這類儀器既可以白天黑夜不停歇作業，也可以進行遠距離探測。

也就是說，一套紅外測試儀能夠在一定范圍內，迅速找到溫度異常人士，這也是國內很多大型機場與火車站在近年來陸續部署上相關的熱成像攝像頭的最主要原因。

雖然利用熱紅外成像技術可以讓我們輕松“檢測”出發熱點，但是它有一個非常明顯的缺陷——在熱紅外線“眼”中，同樣溫度的物體是歸為一類的。

簡單一點兒解釋，假如小明與同伴小李手里的保溫杯都被檢測為38°，那么小明與拿著保溫杯的小李都得被扣下來。

如果追究更加深層次的原因，首先便在于“不同物體的發射率”對溫度測量精度會產生很大的影響。

這里的“發射率”，是由波長、溫度、物體材料以及物體表面條件綜合決定的，要想獲得可靠的數據非常困難。

舉個例子，金屬的發射率通常較低，而且隨外部環境溫度的增加而增加，甚至當表面形成氧化層時，還能成10倍增加；而非金屬的發射率則相對較高，受環境的影響相對較小。

這也就能解釋，為何此前市面上很多紅外攝像頭對某一塊區域做溫度最高點的檢測，很容易受到物體發射率以及外界環境影響而出現誤報。

環境因素絕對不能忽視，但測量體溫有一套嚴格機制，要結合濕度、環境溫度以及距離才能保證準確。環境溫度越接近甚至高于目標溫度，不確定性就會越大。

一般火車站和汽車站都鬧哄哄的，而且溫度比較高，所以很多公司的測溫儀精度并沒有很準，一定有人數檢測上限。

但是，僅從物體發射率來看，相對于金屬，人臉（或者說人的皮膚），在中波紅外與長波紅外的兩個波段范圍能夠吸收大量的入射能量，簡單說，就是發射率較高，受環境的影響相對較小。

人體發出的熱輻射比較穩定，在特定范圍內，能夠與周圍環境進行“分割”。

因此，對于市面上大部分熱紅外測溫儀生產商來說，即使不特別提到“人工智能”，也不得不開始在系統中嘗試使用與AI相關的臉部識別算法。

首先，我們可以通過人臉識別攝像頭找到測試區域，把其映射到熱成像攝像頭中；接下來，要取出這片區域的溫度，通過一定補償算法來給出實際的體表溫度。

基于這樣一套檢測流程，將人臉識別技術與紅外熱成像技術相結合是很有必要的，但難點在于：一方面，是如何保證紅外攝像頭與人臉識別攝像頭之間的數據同步；另一方面，是如何保證雙方的檢測區域同步。

日前，由公安部第一研究所視頻國家工程實驗室（珠海）創新中心與新疆愛華盈通信息技術有限公司聯合成功研發的智慧體溫疫情監控測量系統，已在武漢市相關場所投入使用。該系統測量體溫精準度為2米1秒測體溫、誤差小于0.5度，集人工智能和大數據系統于一身，助力疫情監控。

智慧體溫疫情監控測量預警系統是針對我國傳染病發熱癥狀進行非接觸式實時視頻檢測并預警的一套檢測系統，通過溫感攝像頭系統結合了人臉識別和熱成像體溫檢測功能采集相關信息，身份信息與體溫匹配形成數據報表，自動啟動預警機制并實時傳輸給疾控管理部門。該系統由視頻國家工程實驗室監制。

隨著疫情的變化，醫院、火車站、機場、學校等各類人員密集場所均增加監測人員，對進出人員進行體溫檢測，耗時耗力。而采用AI測溫儀的智慧體溫疫情監控測量預警系統，既安全可靠，減少了監測人員的感染風險，又解決了傳統體溫檢測人工成本大、測量效率低、預警響應慢、系統分析弱、全局掌控難等弊端。

事實上，即便利用人臉識別技術將溫度儀“對準”了你的臉，也保證了數據同步，但從實際操作環境來看，提高體溫檢測精度也絕非易事。

譬如，紅外圖像處理技術由于結合了“溫度”“濕度”等特殊指標，這可能意味著目前不存在與之相匹配的AI通用算法，而任何識別與檢測算法，都會面臨沒有數據基礎的困難。

另外，用于人臉識別的可見光攝像頭受光線影響較大，在人流密集、光線變化莫測的公共場所“自保”尚且不行，更不用說“協助”熱紅外檢測儀。

縱觀全球紅外熱成像技術市場，最好的技術公司應該是成立于1978年，世界最大的紅外熱成像產品供應商FLIR。而我國在這方面的研究工作起步較晚，直到2001年，華中光電研究所才研制成功了我國第一臺非致冷紅外熱像儀，它也被譽為“中國紅外探測技術劃時代的突破”。

有AI紅外測溫儀企業的投資人認為，這次武漢疫情，既讓很多科技企業看到了醫療與安防市場對這類技術應用的巨大需求，也暴露了中國在熱成像檢測儀器生產制造方面的一些弱點。

對于熱成像視頻監控領域來說，中國仍然是相對落后的，最好的企業仍然在國外。但所有相關企業，包括紅外熱成像儀器制造商，AI技術公司以及不少醫療器械公司，都在面臨著一個技術升級的轉折點。