热成像正在成为主流吗？

　　你可能没有热感相机，即使有，你也不知道如何使用它。对于许多人来说，第一次也是唯一一次与热成像相关联是因为冠状病毒肺炎，它引发了热感相机的广泛部署，用于远距离筛查体温升高的人。所以标题中问题的答案是否定的。

　　但是等等——几十年前你也会这么说，当时数码相机还处于起步阶段，几乎没有进入监控应用。然而现在你的手机里有三个或更多。是什么催化了这种变化？两件事：技术突破和技术驱动力的改变。同样的两件事正在热成像领域发生。技术突破是，现在可以使用标准CMOS工艺制造传感器，实现大规模生产、快速小型化、低功耗和前所未有的成本降低。此外，热成像不再仅仅用于军事或边境管制机构；社会和公民需求开始推动这项技术的发展。

 

 

雕像、树木和公园喷泉的温度记录。（来源：亚当·塞比尔）

　　照片是用多像素热成像传感器获得的，每个探测器都对所有物体发出的LWIR辐射敏感。每个像素代表视野中物体表面的温度，并用颜色表示：较亮的颜色用于较热的区域，而较暗的蓝色和紫色色调表示较冷的区域。

　　事实上，用于移动设备的热感相机附件正变得越来越流行，而且非常实惠，一些加固型手机甚至集成了这些附件。热成像器开始渗透智能家居有了物联网设备，用不了多久，你就会拥有一台热感相机。艺术家包括平泽健二和亚当·塞比尔已经揭示了当你把创造力加入到增强的热感觉中时会发生什么。因此，不难想象社交媒体上的图像流以探索我们与周围世界的人类关系的另一种形式为特色。中的图像图1都是简单的例子，但是还有其他原因，你会看到热感相机就在你面前，而且比你想象的要快。

　　如今，检测图像或视频中的人脸并识别此人身份的能力（通常称为人脸识别或人脸识别（FID））已被日常使用（例如，用于身份验证、登录和访问物理或数字资产）。然而，已经设计了许多方法来智胜这种系统，并通过所谓的呈现攻击（例如，通过显示打印的图片、视频回放、或者甚至高度逼真的3D打印的面具）来伪造人的身份。演示攻击通常被称为欺骗，是一个大问题，因为我们通常更喜欢FID的便利性，而不是因未经授权的访问而造成损害的潜在风险。

　　这个问题已经激发了许多对可靠的face ID反欺骗（FAS）的研究和开发工作。除了标准视觉（RGB）图像感测之外，已经提出了诸如深度成像或短波红外（SWIR）成像之类的多种传感器模态的部署，但是由于各种挑战，包括传感器的成本和缺乏完善的软件算法或用于多模态人脸的大量训练数据，还没有得到广泛部署认可。1

　　上面提到的欺骗方法有一个共同点：它们可能是人的视觉上精确的表示，但是它们不呈现活着的人固有的特征温度信号。因此，用热成像（长波红外，或LWIR，传感）来补充视觉传感很有希望提高FAS。此外，它通常可以改善更具挑战性的光照条件下的人脸检测，并可能使人脸识别更加鲁棒。然而，将热模态添加到FAS还没有得到全面的研究，广泛采用的实际解决方案的技术挑战主要是未经探索。2

　　例如，大多数使用热模态的FAS演示都是用高分辨率的研究级摄像机完成的，这些摄像机价值数千美元。但是，相对低成本、大规模生产、低分辨率的热像仪——如80 × 62像素阵列——能否达到同样的效果，从而很快在手机、ATM、汽车、门铃和电梯中找到一席之地？答案是肯定的。实现这一点的一种方法是在视觉域中使用面部检测，在热域中使用生命证明。

　　更全面的方法是在两个域中同时执行人脸检测，如中的快照图像所示图。这里的演示基于深度神经网络（DNN）模型，该模型明显优于基于温度阈值和范围的经典方法，特别是在具有背景热和部分遮挡的挑战性情况下。如最下面一行中的图像所示，甚至成功地完成了地标提取。请访问，查看面部检测功能（RGB和热感）bit.ly/3meLB7d.

 

 

图:DNN模型执行的实时人脸检测的快照，以每秒15帧的速度对辐射测量数据流进行操作，来自Meridian Innovation的第二代80 × 62像素热像仪。底部一行的两幅图像（中间和右边）展示了一个具有地标提取的模型。

　　这就引出了一个问题：我们能否通过从一个人的热“签名”中获取生物特征，并补充从RGB域提取的生物特征，从而超越人脸检测进入FID领域？这是一个积极研究和发展的领域。这里的一个挑战是建立持久性（即这些特征存在于整个人群中，具有与每个个体相关的独特性，并且可以在不同的生理状态下进行测量）。另一个挑战是不变性：不管环境条件如何，这些特征都能被检测出来吗？

　　越来越多、越来越多样化的资产和服务的数字化是一个不可避免的趋势，它叠加了人类对舒适、便利和安全的内在需求。这意味着在智能家居和智能城市的背景下，FID和FAS技术变得更加普遍和重要。因此，我们看到面向大众市场的高性价比热成像传感器的出现是迈向下一代多光谱FID系统的一个重要里程碑。

　　在他的新书《如何防止下一个疫情》中 比尔·盖茨冷静地呼吁在全球范围内采取行动，以确保我们避免冠状病毒肺炎在世界范围内造成的负面影响。目前的病毒株并没有表现出与发病时相同的方式，因此大规模筛查高温的设备已经从人们的视线中消失。然而，记录显示，从过去的瘟疫到季节性流感，再到最近的SARS、MERS和新型冠状病毒，发烧一直是所有人类病毒爆发病例的主要症状病毒。3因此，有助于管理和遏制未来疫情爆发的两个关键能力是，尽早自动检测体温升高人群异常高发的地点，并能够监测和自动可视化疫情的传播。

　　我们认为，当热成像传感器变得像可见光成像传感器一样不引人注目和无处不在时——在家庭中和人们手中，而不是悬挂在入口门上或支撑在城镇和商场各处的三脚架上的笨重相机单元——这些能力将由相关治理机构支配，并向个人和卫生当局提供实时反馈。关键是热像仪和它们的主人或者普通用户在一起。因此，由深度学习模型支持的围绕传感器构建的应用程序可以以非常高的精度检测异常体温。随后，应用程序可以提示用户手动匿名提交该读数，或者在事先授权的情况下，将该读数与松散的本地化记录一起自动上传到相关门户，如中概念性地所示图.

 

 

图：流行病爆发的早期检测和监测的概念表示，由热成像传感器实现，如Meridian Innovation的第二代MI0802M5Si（图在右下角），嵌入在具有人工智能功能的个人移动或桌面设备中，以检测设备所有者或常规用户的异常体温。

　　我们相信这个时间离现在不远了。现在，使用CMOS技术构建热成像传感器可提供尺寸小至9 × 9 × 5 mm的成像器，这与我们手机中白光传感器的尺寸相差不远，并且是在以前不可能的规模上完成的。这些热成像器的成本也在正轨上，可以集成到我们日常使用的个人移动和固定计算设备中。我们看到，就功能而言，它们在任何地方都开辟了各种可能性，从社交领域到增强的FID，再到全球范围的健康管理。

　　审核编辑：黄飞