关于人脸识别的大多数可用研究都出于明显的原因而涉及对可见或近红外（NIR）光谱成像。红外热成像提供了一种不同的方法和途径从人脸识别（HFR）系统中进行精确体温筛查。通常，尽管姿势，表情和光照条件发生了巨大的变化，人类仍可以以合理的准确识别熟悉的面孔。由于计算机视觉系统不断受到可见光谱中人脸识别系统的启发，因此自然而然地应用了红外热成像并研究如何提高精确体温筛查。

由于依赖于某些阴影和形状提示来处理面部图像，因此人类难以应付某些种类的改变，例如照相底片或倒置。类似地，由于红外热图像形成过程，红外热图像将对人类对象提出一些颜色和形状提示挑战。因此，了解生理学和红外热成像过程是解释任何发现的关键。心脏在整个身体中循环血液，并通过软组织从环境传导热量。新陈代谢过程和静脉池排出的冷却中，皮肤上的温度变化很小。这些变化是由于血液从底层血管（而不是骨骼或核心）向皮肤灌注的热量所致，这些血管保持在相对恒定的温度下。人体皮肤的近乎理想的发射率（通常在0.91-0.98之间）是获得这些热信号作为纹理信息的主要因素。

图为红外热成像人脸识别

较好的红外热成像位置是由很少的身体组织或头发覆盖的高度暴露的皮肤区域。具体而言，诸如脂肪沉积物和头发的固有生理特性会导致热像仪观察到的热模式变化，以影响精确体温筛查。例如，脂肪组织导致脉管系统与周围组织之间的对比度减小。由于呼吸和环境的原因，覆盖开放腔或突出的皮肤较薄区域（即下嘴，鼻子和耳朵）也代表了具有高度热变异性的面部区域。

那如何提高红外热成像的人脸识别能力？长期以来，计算机视觉研究人员一直试图在算法设计中模仿强大的人脸识别系统。然而，在与红外热成像有关的人脸识别领域中，很少进行研究。人脸和自动脸部识别结果的关键在于理解可见图像和红外热图像形成过程之间的差异。传统的人脸识别实验依靠可见光谱或红外光谱进行实验，由于在这些波长下皮肤的发射率低，因此需要光源。热光谱中接近理想的人类皮肤发射率将面部转换为光源和图像源。与之有关的是，由于生理，环境和心理而引起的皮肤表面热分布的变化影响可见光谱人脸识别和AFR实验中通常存在的颜色和形状提示的出现。

在实验室中使用红外热图像进行人脸识别实验期间，发现去除下脸比使用整张脸可获得更好的识别结果。这些测试包括标准的面部识别算法，结果表明，根据从某些解剖学界标得出的遮挡量，实时地，面部热变化最大的区域是空气在皮肤瓣上流动的区域以及覆盖大型浅表动脉的区域，前者较大。下颌的去除显着改善了人脸识别结果，这是因为面部的其余区域在每次治疗之间更可能保持稳定。其余区域是鼻子，额头和眉毛，当将部分裁剪与整个面部温度记录图相比较时，红外热成像的最佳识别性能出现，能够进行精确体温筛查。