英特尔的研究人员发表了一项研究，研究人工智能能否用热成像识别人脸。热成像通常用于保护隐私，因为它掩盖了个人识别细节，如眼睛颜色。在有些地方，如医疗设施，通常必须使用模糊这些细节的图像。人工智能正在开辟许多新的可能性，因此英特尔的研究人员开始确定热成像是否仍然提供高度的隐私。英特尔团队使用了两组数据集：
第一套称为SC3000－DB，是使用FlirThermaCamSC3000红外热像仪创建的。该数据集包含766张40位志愿者（21位女性和19位男性）的图像，每位志愿者在相机前坐了两分钟。
第二组称为IRIS，由俄克拉荷马州立大学的视觉计算和图像处理实验室创建。它包含30个人收集的4，190张图像，与第一组图像不同之处在于它包含各种头部角度和表情。
首先，数据集中的每一张图像被裁剪成只包含每个人的脸。
然后，机器学习模型尝试将图像中的面部特征标记为矢量。另一个在VGGFace2上训练的模型——一个在可见光图像上训练的模型——用来验证它是否可以应用于热图像。
以下是每个数据集的完整结果：
在可见图像数据上训练的模型在通过提取志愿者的面部特征来区分志愿者方面表现良好。SC3000－DB数据集的准确性为99．5％，IRIS的准确性为82．14％。
英特尔公司的研究表明，热成像技术可能不会像现在许多人认为的那样提供隐私保护，但热成像技术已经可以用于区分人。
研究人员写道：“许多有前途的视觉处理应用，如非接触式生命体征估计和智能家居监控，都可能涉及私人和敏感数据，例如有关个人健康的生物识别信息。”
热成像可以提供有用的数据，同时还能隐藏个人身份，因此被用于许多应用中。 （编译／Cassie）
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
