根据澳大利亚国防部科学技术部（DST）的研究人员，已经开发了热技术，以增强生物识别面部识别算法，以便在不利条件下识别个体，例如在不良的250米处。DST网站。
DST生物识别研究团队成员Sau Yee Yiu和Dmitri Kamenetsky是关于“在不利环境中面部识别图像增强面部识别的图像增强”论文的合着者，该论文还描述了面部识别在环境中工作的面部识别，例如在“无月”之夜的黑暗小巷中工作。团队创建的新算法即使在大距离且可见度接近零的算法方面也成功地匹配了主题。
Yiu说，研究方向是在早期的文献综述中重点的。
她说：“然后，我想出了一种模型，说明热量如何在大气中传播，事实证明，这类似于大气湍流的噪音在长距离上扭曲图像的方式。” “气氛在四处移动和移动，您的图像被剪切和模糊。应用我的热量分散模型可以摆脱这种湍流，使其更接近集中，尖锐的图像。”
通过通过各种滤波器将颗粒感从弱光图像中删除。研究人员还开发了一个界面，以通过滑块来控制多个参数，以进行交互调整算法。输出实时更新，从而使用户可以根据特定环境调整算法。
研究人员说，一种用于判断面部图像的整体质量的单独算法表明，使用修改后的算法处理的图像比原始图像优越，这与视觉检查一致。
该团队在2018年数字图像计算：技术和应用程序（DICTA）会议上介绍了结果。
卡梅内茨基说：“我们对结果感到非常满意，这将是对僵持监视系统的好处。” “我们发布了对算法的描述，允许其他研究人员实施它并进一步改进。有趣的是，在Dicta上介绍的大多数研究都以某种方式使用深度学习，我们的研究只是一种相对简单而有效的数学方法。”
研究人员以前已经开发了超远距离想象G，但尚不清楚这些图像可以与生物识别面部识别有效使用。 Omnivision还开发了一个可以执行的超低条件的传感器边缘黑暗中的面部识别。
