近年来受到流感病毒的侵扰,由于这类疾病容易交叉感染,特别是在人口密集和流动性大的公共场所,治病防控难度比较大。流感病毒的主要发病特征是体温的升高,因此在密集流动的人群中快速、准确地测量人体体温是防控的重要手段。常见的红外点温仪无法成像并且只能单点测温,手持式红外成像测温仪依赖人工操作。由于热红外测温仪需要被测物保持较近的距离,在复杂环境下运动的物体,难以快速、准确地测量物体表面温度。本文选用流动人群的人脸为特定的研究对象,设计一套非接触式的自动识别特定对象的热红外测温系统,准确地检测人脸并提取面部温度。首先介绍了红外辐射的原理,详细地阐述了红外测温的工作原理。然后详细地阐述热红外测温系统中的关键技术,包括视频内容的人脸检测、人脸朝向识别、可见光与热红外图像配准。在可见光图像下检测人脸区域,基于YOLOv2算法引入残差网络,增强数据集的适用性,提高对非正脸、部分遮挡脸的检测准确性和检测速度。利用并行级联的LVQ网络进行人脸朝向识别,对人脸候选框进行朝向判断,进一步确定人脸额头区域。可见光与热红外的图像配准部分,在仿射变换模型的基础上提出一种校正方法实现图像的精确配准,实时地将可见光图像的人脸额头区域映射到热红外图像上,有效地解决不同成像距离的图像配准偏差。最后对影响热红外测温精度的主要因素进行分析,并采用外置黑体校正、距离校正等方法提高整体测温精度。本文实现一种基于可见光与热红外图像的测温方法,搭建红外测温系统,并对实际场景进行实验。实验结果表明,对非正面、部分遮挡的人脸有较高的准确率,检测速度快,并且根据人脸朝向识别算法准确地检测人脸额头位置区域,快速地提取感兴趣区域的表面温度。该测量方法误差在0.2℃以内,能满足在复杂场景下快速筛选人体表面温度的要求。