自2003年非典爆發(fā)以來，世界各國的主要國際機場都大量部署了紅外熱檢測系統(tǒng)（infrared thermography ：IRT）用來檢查發(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(zhǔn)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，體溫也會被影響，誤導(dǎo)檢測設(shè)備。

由于傳統(tǒng)單純紅外傳感型檢測的準(zhǔn)確性較差，利用可見光成像與紅外熱成像組合分析成為一種更加準(zhǔn)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出現(xiàn)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行分析可以大大提高檢測的準(zhǔn)確性。第一代的綜合分析檢測設(shè)備采用生物Radar系統(tǒng)進行檢測，相比傳統(tǒng)的紅外傳感檢測方法，檢測的準(zhǔn)確率從81.5%提升到了98%。但是這種基于微波雷達(dá)的方案成本太高，于是第二代綜合分析檢測設(shè)備開始采用可見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，準(zhǔn)確性也得到了進一步的提高。典型的二代IRT綜合分析檢測設(shè)備如下圖。設(shè)備可以同時采集到可見光與紅外圖像。

通過紅外圖像可以很容易檢測出人體尤其是面部的溫度信息。

通過檢測人在呼吸之間鼻孔區(qū)域的溫度變化，可以檢測出呼吸的頻率。

可見光圖像用來檢測人的心跳信息，人在面部血液循環(huán)會隨心跳體現(xiàn)微小的顏色變化，通過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(tǒng)的統(tǒng)計分析方法或者ML的方法進行分類，區(qū)分出健康人或者受感染者。

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

用傳統(tǒng)的數(shù)據(jù)分析的分類方法，相當(dāng)于在大量數(shù)據(jù)里，用一條直線進行分類，當(dāng)有樣本落在直線左邊，這種分類方法就漏檢了。

利用machine learning 的方法，相當(dāng)于可以用一條不規(guī)則的線進行分類。

這樣，就大大提高了分類的準(zhǔn)確性。最新一代的IRT快速檢測設(shè)備普遍采用了AI技術(shù)，以提高識別的準(zhǔn)確性。