熱成像的優點：第一、可以“看到”的距離非常遠，熱成像攝像機的成像不受環境光的限制，長焦距的熱成像攝像機能觀測3千米以上的人員和6千米以上的車輛。第二、熱成像的隱蔽性非常強，完全是被動地接收信號，不主動發射探測信號，不容易被反偵察手段發現。同時，熱成像識別隱蔽目標能力非常強。第三、不受雨、雪、霧、霾等環境影響，穿透能力強。在惡劣天氣條件下的成像效果幾乎不受影響。為什么是幾乎呢?雨大了透過減弱。第四、全天候工作，不受強光和低照的干擾。不會像其他夜視設備那樣受可見光強光干擾。

　　而低照度攝像機在沒有環境光的情況下不能成像。第五、消防“眼睛”。可及早發現火災隱患。一般的火災都是由不明顯的隱火引發的，熱成像儀能及時發現電器、煤層、糧倉等異常高溫點，及時報警。例如在秸稈焚燒治理中，熱成像屢立戰功。第六、熱像儀可“透視”。熱成像是具有一定的穿透性的，可以穿透衣服(較輕薄的衣服)、塑料袋、煙霧、霧霾等。熱成像是“老花眼”熱成像儀雖然相當于一雙穿透黑夜之眼，但這雙眼睛其實是雙“老花眼”。熱成像能夠呈現物體的基本輪廓，讓操控者判斷大概物體屬性。但是，無法看得和可見光一樣清晰。所以我們常常說：熱成像監控視頻不能用于法庭取證。

　　AI+熱成像人臉識別熱成像和低照度雙光相結合，可通過AI的深度學習技術加持，實現在黑暗中準確識別人臉。當使用熱成像照相機拍攝面部圖像時，主要的挑戰在于捕獲的熱圖像必須與目標人物的常規可見圖像的監視圖像庫相匹配。需要將構建出來的圖像與數據庫中的已知面部進行匹配，才能識別出目標。這項熱成像人臉識別技術在追捕逃犯、打擊恐怖分子、夜間作戰方面有很大的用武之地。基于此，美國陸軍研究實驗室開發出了一套基于深度學習的 AI 識別系統。通過卷積神經網絡的處理，熱圖像中人的眼睛、鼻子、嘴唇等的邊界被標記出來，從而可以確定出人臉的整體形狀。接下來，非線性回歸模型將這些特征映射到相應的面孔樣貌中。

　　這種被稱為“多區域合成”的系統通過損失函數進行訓練，熱圖像和可見圖像之間的誤差會被最小化，從而可以構建出一個相對準確的人臉圖像。從熱圖像中合成可見光圖像是異質人臉識別中十分有前景的一項方法，可以利用已有的在可見光人臉數據庫上訓練的面部識別軟件，并且更有效地進行跨光譜匹配。論文提出了一個利用全局和局部五官來增強判別性的可見光人臉圖像合成方法。上圖：熱紅外圖像與可見光圖像的跨模態匹配任務一直是異質人臉識別的一項重要挑戰。

　　從熱成像合成的可見光圖像與可見光圖像則可能夠進行更有效的跨光譜匹配和判斷。跨光譜識別主要有兩類方法：1、直接跨光譜識別;2、跨光譜合成識別。使用多區域進行跨光譜識別實驗結果合成方法對比合成圖像與真實圖像(頂部)的對比：熱圖像 - 可見光合成效果(中間)極化圖像 - 可見光合成效果(底部)關鍵點檢測對比：1、真實圖像(頂部);2、熱圖像 - 可見光合成效果(中間);3、極化圖像 - 可見光合成效果(底部)。識別效果對比如下表：可以看到，目前基于熱成像技術多區域合成的模型精度和常規成像精度都超過了 80%。熱成像人臉識別的關鍵點在于建立龐大的人臉識別數據庫。用新數據和已有數據庫進行比對，同時，AI通過不斷深入學習提高識別準確率。

　　紅外熱成像測溫儀在人流量大、密集型區域，如學校、商場、銀行、證券交易所、影院、集市等公共場所;采用篩查型測溫方式，快速實現對發熱人員篩查，避免手工篩查造成的人員擁擠和聚集。在接近人流通過的出入口區域，設置雙光譜測溫攝像機，鏡頭對準出入通道，測溫攝像機設置一個接近發熱(譬如：37.3℃)的報警閥值,當人流中有達到或超過這個閥值，后端平臺報警提醒工作人員，可以對發熱可疑人員進行二次測溫，既能快速篩查，也可避免工作人員一對一近距離接觸式測溫工作，形成交叉感染的風險。