英特尔研究人员发表了一项研究，研究人工智能是否可以使用热成像识别人脸。
热成像通常用于保护隐私，因为它遮挡了个人识别的细节，例如眼睛的颜色。在某些地方，例如医疗机构，通常必须使用遮盖这些细节的图像。
人工智能正在开启许多新的可能性，因此英特尔研究人员着手确定热成像是否仍提供高度的隐私。
英特尔团队使用了两组数据集：
第一套称为SC3000-DB，是使用Flir ThermaCam SC3000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。
首先将数据集中的每个图像裁剪为仅包含每个人的脸部。
然后，机器学习模型试图将来自图像的面部特征数字标记为矢量。在VGGFace2上训练的另一个模型-在可见光图像上训练的模型-用于验证它是否可以应用于热图像。
这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%。
英特尔的研究表明，热成像可能无法提供许多人目前认为的保密性，并且已经可以区分使用它的人。
研究人员写道：“许多有前途的视觉处理应用，例如非接触式生命体征估计和监控，都可能涉及私人和敏感数据，例如有关人的健康的生物特征信息。”
“因此，热成像不仅可以提供有用的数据，而且还可以隐藏个人身份，因此被用于许多应用。”