本文來自：KnowingAI知智

節后返工，如何解決公共場所的疫情防控問題？

通過分析收集到的 1099 例樣本，鐘南山團隊最新發表的論文顯示，發燒（87.9%）和咳嗽（67.7%）仍是新冠肺炎最常見的癥狀。雖然在感染初期，只有 43.8% 的患者表現出發熱，但仍為公共場所的疫情防控提供了依據。

在餐館、商場等可控環境，人們可以使用額溫槍等設備體溫。車站、地鐵站、辦公區等人流量較大的場所，這種方式不僅不夠高效，還會增加感染風險。

許多 AI 公司正在測試紅外無感測溫方案，這類方案多由紅外熱像儀、可見光成像系統和控制終端組成。

它的工作原理是利用人臉識別和人體識別對人流中的個體進行定位，利用熱像儀檢測人體溫度。一旦出現超過界限值的高溫個體，系統就會發出警報。再利用行人檢測指示高溫個體位置，幫助工作人員快速定位，進一步的完成體溫檢查。

熱像儀依靠物體發出的紅外線檢測溫度，人體的皮膚會因裸露降低溫度，如何保證測溫結果的準確？

方法之一是外接一個恒溫目標，檢測它在環境中的溫度，利用兩者的對應關系對環境中的人體體溫進行糾正。距離同樣會影響測溫精度，創建測溫補償模型同樣能夠 提供幫助。大部分解決方案的檢測誤差在 0.3 攝氏度左右。

目前相關紅外測溫方案正在火車站、地鐵站等現實場景中落地試點。留心觀察，也許在通勤路上就能看見它們。

本文來自：KnowingAI知智