關于人臉識別的大多數可用研究都出于明顯的原因而涉及對可見或近紅外（NIR）光譜成像。紅外熱成像提供了一種不同的方法和途徑從人臉識別（HFR）系統中進行精確體溫篩查。通常，盡管姿勢，表情和光照條件發生了巨大的變化，人類仍可以以合理的準確識別熟悉的面孔。由于計算機視覺系統不斷受到可見光譜中人臉識別系統的啟發，因此自然而然地應用了紅外熱成像并研究如何提高精確體溫篩查。

由于依賴于某些陰影和形狀提示來處理面部圖像，因此人類難以應付某些種類的改變，例如照相底片或倒置。類似地，由于紅外熱圖像形成過程，紅外熱圖像將對人類對象提出一些顏色和形狀提示挑戰。因此，了解生理學和紅外熱成像過程是解釋任何發現的關鍵。心臟在整個身體中循環血液，并通過軟組織從環境傳導熱量。新陳代謝過程和靜脈池排出的冷卻中，皮膚上的溫度變化很小。這些變化是由于血液從底層血管（而不是骨骼或核心）向皮膚灌注的熱量所致，這些血管保持在相對恒定的溫度下。人體皮膚的近乎理想的發射率（通常在0.91-0.98之間）是獲得這些熱信號作為紋理信息的主要因素。

圖為紅外熱成像人臉識別

較好的紅外熱成像位置是由很少的身體組織或頭發覆蓋的高度暴露的皮膚區域。具體而言，諸如脂肪沉積物和頭發的固有生理特性會導致熱像儀觀察到的熱模式變化，以影響精確體溫篩查。例如，脂肪組織導致脈管系統與周圍組織之間的對比度減小。由于呼吸和環境的原因，覆蓋開放腔或突出的皮膚較薄區域（即下嘴，鼻子和耳朵）也代表了具有高度熱變異性的面部區域。

那如何提高紅外熱成像的人臉識別能力？長期以來，計算機視覺研究人員一直試圖在算法設計中模仿強大的人臉識別系統。然而，在與紅外熱成像有關的人臉識別領域中，很少進行研究。人臉和自動臉部識別結果的關鍵在于理解可見圖像和紅外熱圖像形成過程之間的差異。傳統的人臉識別實驗依靠可見光譜或紅外光譜進行實驗，由于在這些波長下皮膚的發射率低，因此需要光源。熱光譜中接近理想的人類皮膚發射率將面部轉換為光源和圖像源。與之有關的是，由于生理，環境和心理而引起的皮膚表面熱分布的變化影響可見光譜人臉識別和AFR實驗中通常存在的顏色和形狀提示的出現。

在實驗室中使用紅外熱圖像進行人臉識別實驗期間，發現去除下臉比使用整張臉可獲得更好的識別結果。這些測試包括標準的面部識別算法，結果表明，根據從某些解剖學界標得出的遮擋量，實時地，面部熱變化最大的區域是空氣在皮膚瓣上流動的區域以及覆蓋大型淺表動脈的區域，前者較大。下頜的去除顯著改善了人臉識別結果，這是因為面部的其余區域在每次治療之間更可能保持穩定。其余區域是鼻子，額頭和眉毛，當將部分裁剪與整個面部溫度記錄圖相比較時，紅外熱成像的最佳識別性能出現，能夠進行精確體溫篩查。