英特爾的研究人員發(fā)表了一項研究，研究人工智能能否用熱成像識別人臉。

熱成像通常用于保護隱私，因為它掩蓋了個人識別細節(jié)，如眼睛顏色。在有些地方，如醫(yī)療設(shè)施，通常必須使用模糊這些細節(jié)的圖像。

人工智能正在開辟許多新的可能性，因此英特爾的研究人員開始確定熱成像是否仍然提供高度的隱私。

英特爾團隊使用了兩組數(shù)據(jù)集：

第一套稱為SC3000－DB，是使用FlirThermaCamSC3000紅外熱像儀創(chuàng)建的。該數(shù)據(jù)集包含766張40位志愿者（21位女性和19位男性）的圖像，每位志愿者在相機前坐了兩分鐘。

第二組稱為IRIS，由俄克拉荷馬州立大學的視覺計算和圖像處理實驗室創(chuàng)建。它包含30個人收集的4，190張圖像，與第一組圖像不同之處在于它包含各種頭部角度和表情。

首先，數(shù)據(jù)集中的每一張圖像被裁剪成只包含每個人的臉。

然后，機器學習模型嘗試將圖像中的面部特征標記為矢量。另一個在VGGFace2上訓練的模型——一個在可見光圖像上訓練的模型——用來驗證它是否可以應用于熱圖像。

以下是每個數(shù)據(jù)集的完整結(jié)果：

在可見圖像數(shù)據(jù)上訓練的模型在通過提取志愿者的面部特征來區(qū)分志愿者方面表現(xiàn)良好。SC3000－DB數(shù)據(jù)集的準確性為99．5％，IRIS的準確性為82．14％。

英特爾公司的研究表明，熱成像技術(shù)可能不會像現(xiàn)在許多人認為的那樣提供隱私保護，但熱成像技術(shù)已經(jīng)可以用于區(qū)分人。

研究人員寫道：“許多有前途的視覺處理應用，如非接觸式生命體征估計和智能家居監(jiān)控，都可能涉及私人和敏感數(shù)據(jù)，例如有關(guān)個人健康的生物識別信息。”

熱成像可以提供有用的數(shù)據(jù)，同時還能隱藏個人身份，因此被用于許多應用中。