2020年初一场突如其来的病毒（新冠肺炎）席卷全国，测温设备成为了这场战役的首道防线，虽说国内疫情几乎已经得到控制，可仍然不能松懈而目前国外的形势仍然非常严重，现在大部分的测温设备采用的是以下2种方式普通测温方式传统红外测温枪一对一测温方式，近距离测温，风险系数增加。测温局限性地铁、景区、街道的人流量大的区域，一般的测温设备局限性很大，无法满足。昱瑾测温头盔可弥补这些测温设备的不足，并带来更强大的功能不需要施工布线，配戴即用，只要一眼扫过即可完成对前方几米范围内所有目标人员的扫描，发现发热人员立刻可以声光报警无接触自动记录被检测信息和温度，解放双手，提升效率，检测人员和被检测者始终保持在安全距离带上头盔就能排查测量发热者，支持室内室外多种环境和场景，可以随时随地、动态巡查无接触状态完成检测、排查和记录，上百人队伍可以在不到2分钟时间便完成发热人员筛查和记录

伴随人脸识别技术的快速发展，智能设备、线上金融、人脸支付等诸多创新应用已日趋普遍，为大家生活、工作带来快捷和方便。而公众在享受新技术的同时，对于隐私信息泄露与财产保护等安全性问题也越来越关注。 活体检测技术正是作为提高人脸识别安全性的关键性技术，可以有效抵御照片、视频、三维模型、假体面具等仿冒欺诈，自主判断操作用户身份，成为防止系统遭受攻击的主要手段。  活体人脸检测技术已广泛应用于智能手机、智能门锁、人脸识别闸机、身份核验一体机、线上金融等产品和场景中。

早期研究阶段人脸识别技术的研究大致上始于上世纪50-60年代，并持续至上世纪80年代，这是人脸识别发展的早期研究阶段。在此期间的人脸识别研究仅被当作是一个简单的模式识别的问题，研究人员＊主要是基于人脸本身的几何特征来实现识别也就是主要研究包括眼睛、鼻子、耳朵、下巴、额头等具体人脸图像的视觉特征之间的几何联系，并采用计算机来建立较高质量的人脸灰度图像模型实现。这一阶段的人脸识别研究主要在若干高校等研究机构的实验室里进行，人脸识别的过程也全部依赖于研究人员的手动操作，不能够实现自动化的人脸识别过程。在此期间也没有重要的人脸识别研究成果诞生，仅处于理论研究阶段。蓬勃发展阶段人脸识别技术的蓬勃发展主要出现在上世纪的90年代，尽管总体上的持续时间不是很长，但是人脸识别技术却取得了实质上的重大突破。在此期间人脸识别的研究成果非常丰硕，主要表现如下所示：一是诞生了非常＊＊的“特征脸”人脸识别方法；二是采用了更具代表性的一些人脸识别先进算法值得说明的是要实现人脸识别系统的成功搭建和投入实际应用，＊关键的就是需要采用尖端的人脸识别算法；三是建立了庞大的人脸识别数据库资源这一时期诞生的丰硕的人脸识别研究成果极大的推动了人脸识别技术的实用化进程，也为现在的人脸识别先进算法的进一步改进提供了诸多的理论及经验上的指导。实际应用阶段人脸识别技术自21世纪以来在很多的细分行业和领域已经开始有了较为广泛的实际应用，极大的方便了我们的日常工作和生活。人脸识别技术的广泛应用主要得益于以下几个方面：一是人脸图像建模方法的改进，提出了包括以Kernel方法为代表的非线性建模方法以线性判别分析为代表的线性建模方法以及以3D信息为基础的3D人脸建模方法等在内的若干种不同的人脸空间模型建造方法二是对影响人脸识别＊＊性以及识别速度的因素的研究更加深入，包括周边环境光线变化、人体姿态变化以及人脸各种表情变化产生的影响分析三是对人脸图像的采集数据源的研究分析，以前主要是针对常规条件下的图片识别，现在则是基于视频中的人脸识别以及基于素描、近红外图像的人脸识别（其中近红外图像技术的广泛采用可以有效检测出人脸图像是否是活体）四是对人脸图像的特征提取方法的研究分析，目前盛行的方法主要有基于几何特征的人脸识别方法、基于子空间的人脸识别方法、基于统计的人脸识别识别方法、基于神经网络 的人脸识别方法等。 

随着技术的发展，人脸识别已经广泛应用于各行业，上至公共安全、智慧城市，下至上班打卡、回家开锁，人们都可以享受到这项技术带来的便利。不过，人脸识别的发展并非一帆风顺，也面临一些需要克服的问题。据前瞻产业研究院数据，我国人脸识别市场规模约占全球市场的15％左右，2018年，我国人脸识别市场规模为25．1亿元，2010年至2018年年均复合增长率为30．7％。前瞻产业研究院预计，人脸识别市场规模平均复合增长速度将保持23％，到2024年，市场规模将突破100亿元。较高的增长速率与良好的应用前景使得人脸识别行业赛道上人满为患，且不乏技术与资金实力雄厚的“大佬”新入者与原有企业开始以低价策略争取市场，不过，这一策略若长期实行，将会压缩整个行业的利润空间，不利于行业的良性发展。与此同时，随着行业发展，越来越多的投资者加入，投资者也面临着更大的风险。在此背景下，人脸识别企业或投资者若不能培养自己的竞争优势，将面临着在激烈的市场竞争中被淘汰的风险。随着技术的蓬勃发展与应用领域的不断增多，人脸识别技术得到了越来越多人的关注，此时，人脸识别的隐私风险成为人们注意的焦点。人脸识别存在一些隐私问题，包括用未授权的图片进行面部特征分析、利用“换脸”软件伪造视频等，人脸数据与时空信息结合还可能暴露个人行踪除此以外，人脸识别数据的安全也应特别注意。另外，目前较为成熟的技术为静态人脸识别，动态人脸识别的核心算法和有关技术仍处于高速发展中，许多监控识别系统也仍处于试点应用阶段。人脸识别已经展现出巨大的应用价值，相信未来随着发展问题的不断出现与不断解决，人脸识别将迎来更广阔的发展空间。 

用人工智能技术为疫情防控赋能 ，在这场疫情防控战中，＊大的切入点在于可以积极利用多模态生物识别技术赋能机场、车站、医院等密集公共场所的筛查安检快速筛查高温人员，快速预警及追踪密切接触者，有效阻断疫情传播源、控制传播扩散。   众所周知，疫情期间，作为公共场所疫情防控的第一步，非接触式人员测温筛查是核心流程，机场、火车站、车站、口岸、地铁等高密度人流量场所都在第一时间部署了非接触式红外测温系统非接触式的测温筛查技术，目前国内主流采用的是红外测温技术在人流密集的机场、车站、医院、学校、社区等各类场所，红外测温仪可以快速、＊＊地实现对高温人员的非接触式体温筛查当前疫情条件下，在密集人群中快速发现并截留阻隔高温人员，仅仅应用红外测温技术，存在辨别困难、处理时间长、难以联防联控等问题而将红外测温与生物识别技术、大数据相结合的AI红外体温检测系统则可以实现高温筛查、身份认证、预警追踪功能于一体，能够＊大限度提高检测、异常反馈及人群锁定效率，＊＊度高、安全性强，更适合于在火车站、机场、医院等人流密集场所的疫情防控。