由于显而易见的原因，大多数关于人脸识别的研究都涉及对可见光或近红外 (NIR) 光谱进行成像。红外热成像提供了一种与面部识别 (HFR) 系统不同的准确体温筛查方法以实现红外测温。一般来说，尽管姿势、表情和光照条件发生了巨大变化，人类仍能以合理的准确度识别熟悉的面孔。随着计算机视觉系统继续受到可见光谱中的人脸识别系统的启发，应用红外热成像并研究如何改进准确的体温筛查是很自然的。
人类难以应对某些类型的变化，例如摄影底片或倒置，因为他们依靠某些阴影和形状线索来处理面部图像。同样，由于红外热成像的形成过程，红外热图像将通过一些颜色和形状线索来描绘人类主体。因此，了解生理学和红外热成像以及红外测温过程是解释任何发现的关键。心脏在全身循环血液，并通过软组织从环境中传导热量。在代谢过程和静脉池排出物的冷却过程中，皮肤的温度变化很小。这些变化是由于血液从底层血管（而不是骨骼或核心）灌注到皮肤中的热量，这些血管保持在相对恒定的温度下。
图为红外热成像人脸识别
红外热成像的一个很好的位置是一个高度暴露的皮肤区域，上面覆盖着很少的身体组织或毛发。具体来说，脂肪沉积和毛发等固有生理特性会导致热像仪观察到的热模式发生变化，从而影响准确的体温筛查。例如，脂肪组织导致脉管系统和周围组织之间的对比度降低。由于呼吸和环境原因，面部具有高热可变性的区域还表现为覆盖开腔或突出（即下嘴、鼻子和耳朵）的较薄皮肤区域。
长期以来，计算机视觉研究人员一直试图在算法设计中模仿强大的人脸识别系统。然而，在与红外热成像有关的人脸识别领域中，很少进行研究。人脸和自动脸部识别结果的关键在于理解可见图像和红外热图像形成过程之间的差异。传统的人脸识别实验依靠可见光谱或红外光谱进行实验，由于在这些波长下皮肤的发射率低，因此需要光源。热光谱中接近理想的人类皮肤发射率将面部转换为光源和图像源。与之有关的是，由于生理，环境和心理而引起的皮肤表面热分布的变化影响可见光谱人脸识别和AFR实验中通常存在的颜色和形状提示的出现。
在实验室中使用红外热图像进行人脸识别实验期间，发现去除下脸比使用整张脸可获得更好的识别结果。这些测试包括标准的面部识别算法，结果表明，根据从某些解剖学界标得出的遮挡量，实时地，面部热变化最大的区域是空气在皮肤瓣上流动的区域以及覆盖大型浅表动脉的区域，前者较大。下颌的去除显着改善了人脸识别结果，这是因为面部的其余区域在每次治疗之间更可能保持稳定。其余区域是鼻子，额头和眉毛，当将部分裁剪与整个面部温度记录图相比较时，红外热成像的最佳识别性能出现，能够进行精确体温筛查即实现红外测温功能。
