前 言
本文從傳統的人類體溫測量開始展開介紹非接觸式溫度測量的實現原理，以及結合人工智能技術的體溫監測技術。
溫度測量方法
溫度測量的目的是將物體（如人體）的溫度更加接近“實際”溫度的用數字表述出來。而人體溫度是指人體的表面溫度，正常一般在36~37攝氏度。這裡的36~37攝氏度一般指人類體表（腋窩）的溫度，醫療上的還有體內溫度，體內溫度這裡不展開討論，本文主要討論的是體表體溫的測量。
溫度的測量（包括體表體溫）根據傳感器的不同大概分為接觸式、非接觸式兩大類：
接觸式的體溫測量儀有：水銀體溫計、電子體溫計、額溫槍等，生活中很常見，基本都有使用，這裡不做討論。下面主要討論的是非接觸式的溫度測量。
非接觸式體溫測量
非接觸式溫度測量常用的有基於電磁波（可見光、紅外線）、基於超聲波的方式，如下：
01
基於超聲波溫度測量
根據超聲波在介質中的傳播速度是介質成分和絕對溫度的函數：
其中c ：聲波在傳播介質中傳播速度,m/ s ;
γ ：傳播介質絕熱指數(等於定壓比熱容與定容比熱容之比) ;
R ：傳播介質常數,8. 314 J / (mol·K) ;
m ：傳播介質摩爾量,kg/ mol ;
T ：傳播介質絕對溫度,K;
測得超聲波在傳播介質中的傳輸時間跟距離，即可得到傳播的速度，再根據上述公式即可得到傳播介質的溫度。
該測試方法在火災、工業等方面的溫度測量有很大的優勢，但是在測量物體（如人體，非液體、氣體）不擅長。下面我們討論測量物體溫度擅長的測量方法。
02
基於電磁波溫度測量
自然界中，凡是絕對溫度大於零度(-273℃)的物體都能輻射與自身性質、溫度相關的電磁波能量，輻射出去的電磁波在各個波段是不同的，這種現象為熱輻射現象或者黑體輻射。而電磁波的能量是跟物體的溫度是相關的，所以可以通過測量電磁波的能量大小來間接的測量物體的溫度。測量方法有可見光溫度測量、紅外線溫度測量兩種：
可見光溫度測量
該方法多作為經驗測試方法，多用於工業（如鍊鋼的鋼水）。大致規律是：溫度越低火焰會偏黃偏暖；溫度越高火焰會偏藍偏冷。
因為黑體輻射的電磁波是連續波長的光，只是各波長的比例隨溫度變化而變化，顏色也相應而變；當溫度越低，短波長的光（藍光、紫光）越少，長波長的光（紅光、橙光）越多，即火焰會偏黃偏暖；溫度越高，短波長的光越多，長波長的光越少，即火焰會偏藍偏冷。
利用可見光來測量物體的溫度很不靈敏，在溫度幾百攝氏度上千攝氏度的場景可以使用。但是在測量溫度比較低、變化範圍比較窄的物體如人體，可見光的測量就無能為力了。這時我們需要用到黑體輻射（熱輻射現象）的另一個波長的電磁波紅外線來測量溫度。
紅外線溫度測量
紅外線輻射是自然界存在的一種最為廣泛的電磁波輻射，它是基於任何物體在常規環境下都會產生自身的分子和原子無規則的運動，並不停地輻射出熱紅外能量，分子和原子的運動愈劇烈，輻射的能量愈大，反之，輻射的能量愈小。
這些物體因為自身的熱運動（分子運動）輻射的熱紅外跟普通攝像頭“看到”物體的光是不一樣的，物體之所以能被看到，是因為有可見光照射，物體再將可見光反射進攝像頭（或者人的眼睛）。可見光跟紅外線都屬於電磁波，但是波長不一樣，下面介紹電磁波光譜。
電磁波光譜
如下圖整個電磁波光譜可以分為：X光、紫外線、可見光、紅外線、電磁波幾大類。
其中紅外線一般分為波長為0.78~2.0微米的近紅外，波長為2.0~1000微米的遠紅外線。跟溫度相關的紅外線為遠紅外線，但是因為紅外線傳送過程中受到大氣組成物質( 特別是H2O、CO2、CH4 、N2O、O3等)的吸收，能量衰減，僅在波長3~5微米及波長8~12微米的兩個波段有較好的穿透率，紅外熱像儀主要是針對這兩個波段進行檢測，並計算物體的表面溫度分佈。此外，由於紅外線對極大部份的固體及液體物質的穿透能力極差，因此紅外熱成像檢測是以測量物體表面的紅外線輻射能量為主。
整個電磁波頻譜如下所示：
熱成像
被測物發射的紅外線輻射通過光學鏡頭收集後被紅外探測器所獲取，通過紅外探測器檢測被測物的紅外輻射能量。輻射能量和溫度存在對應關係，通過信號處理系統將輻射能量即溫度通過不同灰度顯示出來，灰度的不同代表溫度不同。再通過黑體（用於標定紅外系統的基準源）進行測溫標定，建立灰度與溫度的準確對應關係，來實現測溫功能。
整體如下圖所示：
當然也可以不使用黑體，單使用熱成像儀也能測量體溫，但是需要在溫度變化不大的環境，常見的紅外線溫度測量儀如下圖所示：
紅外線體溫計的優點是採集體溫方便、簡單、快捷，而且相當準確。
基於紅外線的高精度溫度測量儀一般由熱成像攝像頭、黑體兩個部分組成。
熱成像攝像機
現實生活中，我們需要藉助熱成像攝像機來進行紅外線輻射的捕獲。熱成像攝像頭主要功能是將被測物發射的紅外線轉換成不同灰度顯示出來，灰度的不同代表溫度不同，不同的灰度圖像就對應著不同的溫度，達到測試溫度的目的。
熱成像攝像機包含光學鏡頭、紅外探測器、信號處理系統和防護罩等，如圖所示。
可以發現熱成像的原理跟普通相機原理差別不大。熱成像與普通相機的另外一大差異就在於鏡頭，紅外熱像儀鏡頭通常採用的是鍺玻璃製成。這種玻璃的折射係數很高。只對紅外光透明，而對可見光和紫外光不透明，所以能在很暗的環境下分別動植物，紅外熱像儀鏡頭相比普通相機的鏡頭中採用的普鍺稀散金屬元素，因為鍺鏡頭的生產成本較高，市場售價往往高於普通的相機鏡頭。
黑體
引入黑體的目的是讓測量儀輸出的溫度儘可能地接近“實際”溫度。
因為熱成像攝像機工作時會受到內部及外部的環境影響，如空調、人流環境溫度擾動。所以實際測量中存在比較大的誤差，即使在穩定的環境也難以做到跟水銀體溫測量儀的±0.2攝氏度的誤差。所以需要引入一個基準，就是“黑體”。簡單說黑體就是一個恆溫目標，用於給熱成像攝像機不停的做矯正。黑體向外界的輻射紅外線僅僅是自身溫度產生的紅外線，是一種理想化的輻射源，能將外界輻射能量完全吸收，沒有能量的反射和透過。
黑體是一種假想物體，早在17世紀就已經出現，科學家們製作了一種黑體：光子從物體的開口進入，在腔體內反射沒法出去。就像在電梯等鐵盒子裡手機沒有信號的原理一樣，外界的電磁波進了電梯等鐵盒子沒法出去。所以就能完全吸收外界輻射的能量，黑體輻射的能量僅與自身的溫度有關。如下圖所示：
黑體產生一個標準溫度，並且黑體的輻射係數比較高，接近1。所以把黑體作為一個標準源，通過測量標準源上面的溫度，來比較紅外線探測器的測量準確。整體步驟如下：
1）黑體作為標準源設定固定溫度（光譜能量）
2）熱成像攝像機採集人體與黑體的紅外數據，標定黑體輻射源
3）紅外數據轉換成不同灰度顯示出來，灰度的不同代表溫度不同
4）通過標準源溫度與採集到的對應區域灰度映射校正得到最終溫度值。
安裝時需要將黑體輻射源設置在熱成像攝像機視野範圍內，建立灰度與溫度的準確對應關係，進行測量溫度實時校正，將視頻畫面和個人體溫對應顯示，可以大幅度提高人體測溫的精度，減少測溫誤差到±0.2℃。
安裝位置如下：
避免測溫過程像機與黑體間存在遮擋，熱成像像機與黑體採用同側安裝，人行通道在另一側。
可以發現目前主流的溫度測量方式基本是基於紅外線的。簡單來說,紅外傳感器在接收到物體發出的能量後,通過其光學系統將紅外能量轉換成電信號,通過模型算法及參數校準,將其轉換為醫用級的高精度溫度值。具有快速、非接觸檢測的優勢。
03
AI助力非接觸式測體溫
前面介紹的基於紅外線的溫度測量已經很好了，但是為什麼需要AI助力，AI能做什麼，AI助力之後還能解決什麼問題？
下面我們將詳細說明。
任何一個產品不會是一個技術就解決了所有的問題，紅外線的溫度測量不可否認具有很大的優勢，如非接觸式（甚至遠距離測量）、準確度高、測量時間短。不過紅外測量溫度也僅僅是測量溫度的功能，可以理解成就是一個傳感器，要想將這個傳感器用好，一般需要一個更高級的決策、控制系統，這個系統可以是人，例如現在的公共場所防疫的情形，人工去使用紅外線體溫測量儀找到體溫異常用戶並採取相應的措施；當然這個系統也可以是基於AI的系統，下面說說AI能做什麼。
▲
目前的AI助力做了什麼
所謂的AI，Artificial Intelligence（人工智能），是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。研究的領域包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
這麼一門豐富的技術，在溫度測量中用到一小部分助力就能獲得處理能力質的飛躍。市面上常見的基於AI之類的溫度測量方案，基本上只使用了AI領域的圖像識別的部分技術：目標檢測。如常用的基於AI溫度測量方案一般的處理流程如下：
可以發現，使用了AI的部分技術目標檢測助力之後，原來的單純的紅外線溫度檢測得到了很大的提升，如下（以公共場所的防疫為例）：
1、測量時無需配合，測量時間短、通行率高，人流量大時也不會出現擁堵；
2、測量過程中不需要人工介入，能大大降低近距離接觸感染的可能。
僅運用了AI領域的目標檢測就能為溫度測量增加了大大的便利，但是AI能做的只有目標檢測一部分？當然不是。
▲
AI還能做什麼
目標檢測在AI領域只能算一個初級應用，並沒有體現出Intelligence（智能），如果引入AI的智能決策後，會怎麼樣，在基於AI溫度測量方案一般的處理流程加入決策，修改後的處理方案如下：
引入決策系統後，能將所有的單獨運行的熱成像系統鏈接起來，彙總數據，決策系統擔任中央處理系統的角色，那麼這個系統能做的就不僅僅是溫度測量的事了，以防疫工作為例，能解決的事如下：
1、能完成溫度異常用戶的軌跡跟蹤，如地鐵站上的異常體溫乘客站進出站、接觸了哪些人，從而能追蹤到跟異常體溫接觸的用戶；
2、同時藉助AI能識別出公共場合的用戶是否佩戴口罩、是否存在奔跑等異常行為，然後對用戶給出提醒，同時通知管理人員。在現在這種疫情時期特別適用；
3、通過AI決策系統對各個攝像頭傳回的數據進行綜合分析，給出各個溫度異常用戶的分佈情況，再結合每個場合的人流量就能預測可能出現疫情的地點，防疫人員可以提前做出部署，做到真正的預防接觸傳染。
4、引入AI的集成學習系統，還能對疫情的趨勢進行分析，為公共場合的管控提供依據，做到知己知彼的合理管控，在減少傳播感染的同時還能最小程度的減少因為管控對出行的影響。
除了防疫工作，AI結合紅外溫度測量還能在監控、安防、工業、軍事等領域發揮重要的作用，如監控領域可以結合紅外溫度測量及決策系統給出更準確的決策，紅外線溫度測量補齊了普通攝像頭某些情況下沒法“看到”的短板；還有軍事領域的偽裝人類的查找、定位等。
總之，AI助力之後，能將非接觸式溫度測量的優勢發揮更好，不管是在防疫時期，還是監控、安防、工業、軍事等領域都能發揮出重要的作用。
總結
自從伽利略在16世紀時發明了第一個體溫計後，相繼出現了水銀體溫計、電子體溫計、紅外體溫計。測量時間由原來的十幾分鍾、幾分鐘到現在的一秒鐘；測量方式也由接觸式的到非接觸式；測量單位由單個到多個目標同時測量。
隨著AI技術的加持，溫度測量方案能夠實現遠距離、24小時不間斷的完成人體表面溫度監測或者別的領域的溫度監測、跟蹤、預測等，具有更好的便捷性和安全性。
閱讀更多 咪付 的文章
