自2003年非典爆發(fā)以來(lái)，世界各國的主要國際機場(chǎng)都大量部署了紅外熱檢測系統（infrared thermography ：IRT）用來(lái)檢查發(fā)熱的乘客。這種快速，非接觸的檢測方式很快獲得了大量的采用。但是，單純紅外IRT的檢測準確性受到環(huán)境溫度，濕度等因素的影響較大。而且人在攝入酒精，或者退燒藥物以后，體溫也會(huì )被影響，誤導檢測設備。

由于傳統單純紅外傳感型檢測的準確性較差，利用可見(jiàn)光成像與紅外熱成像組合分析成為一種更加準確有效的檢測方案。 人在感染病毒發(fā)病以后，人體生物體征信號會(huì )出現異常，比如：體溫升高，心跳加快，呼吸加快。因此綜合利用這些生物體征信號進(jìn)行分析可以大大提高檢測的準確性。第一代的綜合分析檢測設備采用生物Radar系統進(jìn)行檢測，相比傳統的紅外傳感檢測方法，檢測的準確率從81.5%提升到了98%。但是這種基于微波雷達的方案成本太高，于是第二代綜合分析檢測設備開(kāi)始采用可見(jiàn)光與紅外熱成像的混合方案，基于圖像處理與AI的技術(shù)，使得成本降低的同時(shí)，準確性也得到了進(jìn)一步的提高。 典型的二代IRT綜合分析檢測設備如下圖。設備可以同時(shí)采集到可見(jiàn)光與紅外圖像。

通過(guò)紅外圖像可以很容易檢測出人體尤其是面部的溫度信息。

通過(guò)檢測人在呼吸之間鼻孔區域的溫度變化，可以檢測出呼吸的頻率。

可見(jiàn)光圖像用來(lái)檢測人的心跳信息，人在面部血液循環(huán)會(huì )隨心跳體現微小的顏色變化，通過(guò)這種顏色變化可以計算出人的心率。

得到心率，呼吸頻率，以及體溫的特征以后，可以用傳統的統計分析方法或者M(jìn)L的方法進(jìn)行分類(lèi)，區分出健康人或者受感染者。

由下圖可見(jiàn)，傳統的單純體溫檢測法（大于37°截止閾值），二象限內的樣本都會(huì )被遺漏掉，會(huì )存在大量的漏檢。

用傳統的數據分析的分類(lèi)方法，相當于在大量數據里，用一條直線(xiàn)進(jìn)行分類(lèi)，當有樣本落在直線(xiàn)左邊，這種分類(lèi)方法就漏檢了。

利用machine learning 的方法，相當于可以用一條不規則的線(xiàn)進(jìn)行分類(lèi)。

這樣，就大大提高了分類(lèi)的準確性。

最新一代的IRT快速檢測設備普遍采用了AI技術(shù)，以提高識別的準確性。

希望廣大成像科學(xué)家，工程師一起努力，把更多的新技術(shù)用來(lái)為人類(lèi)健康服務(wù)。