一直以來，學校開學復課後的疫情防控工作如何展開，始終牽動着眾多家長和老師的神經。實際上，利用額温槍和紅外設備進行體温檢測的方式，難以有效應對當前疫情防控與開學復課兼顧並重的現實需求。
首先，由於學校大多有着較為統一的上課時間，這便使得其在學生到校體温檢測時間上存在着較為明顯的“早高峯”，易在學校周邊形成短時間內大量人流聚集的情況。在這一情況下，傳統額温槍較慢的檢測速度不僅容易造成學生及學生家長長時間的排隊等待，也增加了人羣之間近距離頻繁接觸的幾率，為各方帶來了潛在的健康風險。
其次，面對春夏之交的天氣多變，設置於校園或教學樓大廳出入口的體温檢測設備時常會受到包括氣温、風力、強日照在內的外界環境因素影響，干擾了系統檢測的準確度，也為遠距離大範圍檢測的精度控制提出了挑戰。
第三，雖然當前部分智能測温系統具備一定AI能力，但由於在疫情防控期間學生到校需全程佩戴口罩，這在有效保障了學生自身健康的同時，也使得可供識別的面部特徵大幅減少，令智能測温系統無法準確地實現對面部的定位和相應位置體温的快速檢測，增加了漏判、誤判的可能性。
(百度AI測温系統部署在北京中關村二小，為開學復課提供技術保障)
針對檢測速度問題，百度AI測温系統支持在一定面積範圍內對人流區域多人額頭温度的實時篩選。在單人通道順序通行條件下，1分鐘內可完成對逾200人同時通過的體温實時檢測（實際數據受人羣密度及行進速度影響），使到校學生可無停留過檢，緩解檢測造成的校園出入口擁擠壓力。同時，對於體温超過規定閾值的學生，也可實現實時提醒，便於學校老師進行二次複檢。
針對檢測準確度問題，百度AI測温系統則通過對口罩、帽子等佩戴物AI檢測模型、人臉檢測關鍵點定位、圖像紅外温度點陣温度分析算法等技術的定製開發，解決了佩戴口罩情況下的體温快速檢測難題。而一系列基於AI的自適應、自校準算法，也使得系統可針對採集到身體表面温度各區域進行實時精準推測，讓運算結果更接近於現場實際環境下通行學生的體温情況，減輕環境因素帶來的檢測干擾。
(百度AI測温系統部署北京中關村二小，為保障學生健康提供技術支持)
整體來説，百度AI測温系統有效解決了學校在開學復課後學生集中返校、到校時的體温實時初篩檢測問題，降低了校園出入口人員聚集所帶來的潛在健康風險。協助學校老師快速發現、識別體温疑似異常情況，提高了人工複檢效率。而與此同時，對於你我這樣的普通人而言，頗顯高深的AI技術與體温檢測這一“日常”的結合、與疫情防控工作的聯動，也讓這一新技術所帶來的變化更為“感性”與具體，為年輕一代認識AI、瞭解AI乃至合理地運用AI提供了一個有益的窗口。
作為百度AI戰“疫”行動的重要組成，自今年春節期間在北京清河站率先投入運行以來，百度AI測温系統已在全國近百處公共場所落地部署。截止4月上旬，在全國範圍內共完成超過2700萬人次的快速體温檢測，覆蓋交通樞紐、醫療機構、重點院校及樓宇社區等眾多場景，有效協助了相關部門疫情防控工作的展開和企事業單位復工復產的有序進行。百度將繼續向社會各界提供AI技術支撐，鞏固中國在抗擊疫情中所取得的重要成果，為新階段的疫情防控工作提供助力。