日前，百度AI測溫系統部署在北京“教育重鎮”海淀區多所學校，包括有北京大學附屬小學、中關村一小、中關村二小、八里莊小學等，為即將到來的開學提前做準備。
百度方面表示，一直以來，學校開學復課后的疫情防控工作如何展開，備受眾多家長和學校的關注。然而，利用額溫槍和紅外設備進行體溫檢測的方式，難以有效應對當前疫情防控與開學復課兼顧并重的現實需求。
首先，由于學校大多有著較為統一的上課時間，這便使得其在學生到校體溫檢測時間上存在著較為明顯的 “早高峰”，易在學校周邊形成短時間內大量人流聚集的情況。
其次，春夏之交變，設置于校園或教學樓大廳出入口的體溫檢測設備時常會受到包括氣溫、風力、強日照在內的外界環境因素影響，干擾了系統檢測的準確度，也為遠距離大范圍檢測的精度控制提出了挑戰。
再次，雖然當前部分智能測溫系統具備一定AI能力，但由于在疫情防控期間學生到校需全程佩戴口罩，這在有效保障了學生自身健康的同時，也使得可供識別的面部特征大幅減少，令智能測溫系統無法準確地實現對面部的定位和相應位置體溫的快速檢測。
對此，百度依托其在AI和IoT領域的能力積累，基于以AI圖像多人臉檢測跟蹤算法及紅外熱成像技術，百度AI測溫系統以非接觸、無感知的方式，為上述一系列問題的解決提供了解決方案。
針對檢測速度問題，百度AI測溫系統支持在一定面積范圍內對人流區域多人額頭溫度的實時篩選。在單人通道順序通行條件下，1分鐘內可完成對逾200人同時通過的體溫實時檢測(實際數據受人群密度及行進速度影響)，使到校學生可無停留過檢，緩解檢測造成的校園出入口擁擠壓力。同時，對于體溫超過規定閾值的學生，也可實現實時提醒，便于學校老師進行二次復檢。
針對檢測準確度問題，百度AI測溫系統則通過對口罩、帽子等佩戴物AI檢測模型、人臉檢測關鍵點定位、圖像紅外溫度點陣溫度分析算法等技術的定制開發，解決了佩戴口罩情況下的體溫快速檢測難題。而一系列基于AI的自適應、自校準算法，也使得系統可針對采集到身體表面溫度各區域進行實時精準推測，讓運算結果更接近于現場實際環境下通行學生的體溫情況，減輕環境因素帶來的檢測干擾。
據此前報道，自今年春節期間在北京清河站率先投入運行以來，百度AI測溫系統已在全國近百處公共場所落地部署。截止4月上旬，在全國范圍內共完成超過2700萬人次的快速體溫檢測，覆蓋交通樞紐、醫療機構、重點院校及樓宇社區等眾多場景。
