目前疫情防控痛點：感染幾率高、排查效率低、管控難度大、病患定位難

針對目前情況，iStudy雙日教育引進了兩種方案。結合人工智能以及紅外測溫技術，基于自研的人工智能算法平臺 Brain++ 和深度學習框架實現了對算法模型的升級和優化，可有效緩解疫情期間因臉部露出少，測溫難的問題，實現人員安全高效進出管控的目的。

方案一

Koala 智能測溫通行系統

Koala 智能測溫通行系統是基于自研的人工智能算法和大數據可視化模型框架，結合了5G+AI人工智能以及紅外測溫技術，將AR與紅外熱像技術集成，通過軟件算法實現對熱源溫度的檢測，將具有不同溫度區分的熱像結果顯示于AR頭顯上?？捎行Ь徑庖咔槠陂g因臉部露出少，人流量大測溫難等問題，以此達到解決傳統占用雙手、人流量大、測溫難等的目的。

三屏聯動，實時精準篩查疑似發熱人員

電視屏：

實時監測報警人員，并提供聲光提醒

配合現場監測人員篩查

降低現場工作量，提升篩查效率

電腦屏：

在體溫上區分疑似、關懷、正常人員

人溫綁定，測溫、打卡兩不誤

可按日顯示員工體溫曲線

面板機屏：

實時監測報警人員，并提供聲光提醒

可與閘機、門禁配合，實現自助測溫通行

區分疑似、關懷、正常人員，后臺自由配置

推薦理由

1.整體方案更專業

目前市面上做測溫的大多是硬件測溫廠商，曠視作為專業的AI軟件廠商，在軟件功能、準確度、定制化和對接整合方面，整體測溫方案相比傳統做硬件廠商要專業和靈活。

2.測溫更精準

采用額頭進行測溫方案，基于 RGB 檢測人臉，再拿這個人臉框的輸入到熱成像里，基于時間戳和空間坐標點去檢測熱成像檢測額頭位置的溫度，做到精準測溫。

3.口罩模型優化

目前大部分硬件廠商和測溫方案上都支持人臉測溫，但是人臉識別是需要摘下口罩。曠視人臉測溫產品支持戴口罩情況下的人臉識別，減輕二次感染風險。帶口罩情況下做到高效識別，人溫綁定，測溫、打卡、考勤同步進行。

4.測溫通行效率高

密集場景下，最多支持多人同屏檢測，快速準確。無感測溫通行 4人/秒。

5.投資保護

當前疫情情況下，測溫產品成為剛需，后期疫情結束后，很多測溫產品失去其作用，投資利用率有限，曠視人臉測溫，在測溫基礎上集成人臉通行、考勤，與閘機、門禁集成，疫情結束后亦可作為人臉通行設備繼續使用。保護投資。

6.高開放性

支持API數據對接，作為人臉測溫設備，相比于大多數產品的獨立作戰，我們除了開箱獨立使用外，同時支持API數據接口，可以與外部系統集成，形成更完整和靈活的的定制化系統，避免數據孤島。

7.多種產品形態

槍機、面板機等多種形態，不同價格適合各個場景和預算需求。

8.使用場景多

測溫、門禁、考勤、簽到、迎賓、梯控、訪客，一機多用。

9.升級改造

支持利舊升級改造，以前項目中用的面板機M5的，加裝測溫模塊后，可以升級成測溫通系統。

方案二

明驥mini便攜式智能測溫通行系統

明驥mini便攜式智能測溫通行系統基于人工智能平臺 Brain++集成的“人臉識別+紅外/可 見光雙傳感系統”，通過雙光深度融合技術將紅外測溫結果與人臉抓拍圖捆綁標定，當發現疑似發熱人員時自動報警。

同時，憑借曠視科技自主研發的輕量級、低功耗、高性能的 CNN（卷積神經網絡）算法模型——ShuffleNet，讓 AI 算法模型保證識別精度的同時又運行在邊端設備上成為可能。系統可在疫情時期快速部署于各類公共場所高密人流場景，實現非接觸式 AI輔助篩查疑似發熱人員。

推薦理由

業內首款萬元級“AI+黑體”測溫系統

降本不降效，自主知識產品邊端  CNN 算法模型——ShuffleNet，極致發揮邊緣計算性能

1、優化檢測模型

升級人臉額頭檢測模型，戴帽子、口罩等高遮擋人臉額頭 檢出率高達 99.9%

2、Dynamic 溫感補償

智能無源黑體技術，實時感知環境溫度，動態補償環境溫差以應對復雜場景

3、超高精度測溫認證

經過北京市計量檢測科學研究院計量檢測，30℃~45℃范圍內測溫精度高達±0.1℃（實驗室環境下）

4、測溫識別快速通行

精準測溫同時保證高效的識別通行，支持多路網絡繼電器，可與閘機門禁配合實現自助測溫通行

5、邊緣計算即插即用

1 分鐘快速部署，插電即開機，開機即監測

6、非接觸式無感測溫

最遠支持4米距離非接觸式無感測溫通行，保障防疫安全