根據(jù)熱成像測溫原理可知，影響人臉識(shí)別測溫終端測溫的幾個(gè)因素包括：

1.溫度：在戶外，猛烈的陽光中含有紅外線、紫外線、可見光，這些光線對熱成像探頭都影響。

2.雨水：雨水淋在人臉識(shí)別測溫終端上，雨水會(huì)遮擋了測溫探頭，導(dǎo)致無法測溫。

3.陽光：陽光直射在臉識(shí)別測溫儀上，除了太陽溫度，還有太陽光線都會(huì)影響探頭測溫的準(zhǔn)確度。

人臉識(shí)別技術(shù)特點(diǎn)：

具備多個(gè)算法識(shí)別能力；支持云服務(wù)有公共云（Public Cloud）與私有云（Private Cloud）；兼容高清、低清人臉圖像，低分辨率、模糊照片也有較好識(shí)別效果；支持Linux 32/64、Windows32/64主流的操作系統(tǒng)；總的來說，這項(xiàng)新技術(shù)增加了人臉識(shí)別的便捷性以及應(yīng)用性，改善了用戶體驗(yàn)。支持服務(wù)器端快速部署；提供二次開發(fā)API；支持批量人臉識(shí)別, 識(shí)別速度快；通過算法融合解決照片質(zhì)量、年齡差距、光照環(huán)境造成的同人圖像差異問題；支持全庫查重，能應(yīng)用于多重、二次抓獲、重復(fù)等的業(yè)務(wù)需要。

關(guān)于人臉識(shí)別的概述

研究證明任何的特殊人臉都可以通過稱為eigenpictures的坐標(biāo)系統(tǒng)來表示。Eigenpictures是面部集合的平均協(xié)方差的本征函數(shù)。研究對不同的圖形紋理進(jìn)行比較，并提出了用來描述圖像紋理特征的LBP算子。研究提出了一種理論上非常簡單而有效的灰度和旋轉(zhuǎn)不變紋理分類方法，該方法基于局部二值模式和樣本和原型分布的非參數(shù)判別。我們每天用人臉識(shí)別技術(shù)手機(jī)、結(jié)賬付款，是那么的自然，但相信很少有同學(xué)深入思考這項(xiàng)技術(shù)背后是怎樣一個(gè)流程。該方法具有灰度變化穩(wěn)健、計(jì)算簡單的特點(diǎn)。研究基于Fisher的線性判別進(jìn)行面部投影，能夠在低維子空間中產(chǎn)生良好分離的類，即使在光照和面部表情的變化較大情況下也是如此。