根據澳大利亞國防部科學技術部（DST）的研究人員，已經開發了熱技術，以增強生物識別面部識別算法，以便在不利條件下識別個體，例如在不良的250米處。DST網站。
DST生物識別研究團隊成員Sau Yee Yiu和Dmitri Kamenetsky是關於“在不利環境中面部識別圖像增強面部識別的圖像增強”論文的合著者，該論文還描述了面部識別在環境中工作的面部識別，例如在“無月”之夜的黑暗小巷中工作。團隊創建的新算法即使在大距離且可見度接近零的算法方面也成功地匹配了主題。
Yiu說，研究方向是在早期的文獻綜述中重點的。
她說：“然後，我想出了一種模型，說明熱量如何在大氣中傳播，事實證明，這類似於大氣湍流的噪音在長距離上扭曲圖像的方式。” “氣氛在四處移動和移動，您的圖像被剪切和模糊。應用我的熱量分散模型可以擺脫這種湍流，使其更接近集中，尖銳的圖像。”
通過通過各種濾波器將顆粒感從弱光圖像中刪除。研究人員還開發了一個界面，以通過滑塊來控制多個參數，以進行交互調整算法。輸出實時更新，從而使用戶可以根據特定環境調整算法。
研究人員說，一種用於判斷面部圖像的整體質量的單獨算法表明，使用修改後的算法處理的圖像比原始圖像優越，這與視覺檢查一致。
該團隊在2018年數字圖像計算：技術和應用程序（DICTA）會議上介紹了結果。
卡梅內茨基說：“我們對結果感到非常滿意，這將是對僵持監視系統的好處。” “我們發布了對算法的描述，允許其他研究人員實施它並進一步改進。有趣的是，在Dicta上介紹的大多數研究都以某種方式使用深度學習，我們的研究只是一種相對簡單而有效的數學方法。”
研究人員以前已經開發了超遠距離想像G，但尚不清楚這些圖像可以與生物識別面部識別有效使用。 Omnivision還開發了一個可以執行的超低條件的傳感器邊緣黑暗中的面部識別。
