根据热成像测温原理可知，影响人脸识别测温终端测温的几个因素包括：
1.温度：在户外，猛烈的阳光中含有红外线、紫外线、可见光，这些光线对热成像探头都影响。
2.雨水：雨水淋在人脸识别测温终端上，雨水会遮挡了测温探头，导致无法测温。
3.阳光：阳光直射在脸识别测温仪上，除了太阳温度，还有太阳光线都会影响探头测温的准确度。
红外测温人脸识别核验一体机具有如下几点优势：
（1）采集人员身份和人脸信息，准确进行人脸识别（支持佩戴口罩的情况下刷脸测温）
以线上线下的方式，提前录入人员信息和人脸照片等，当人员经过设备正前方1m范围内自动进行面部识别，并与人脸库进行比对，联动门禁道闸分配进出权限；
（2）红外自动测量体温
人脸识别测温终端包含红外测温模块，可自动对面部进行体温测量并同步显示该人员体温数值，超过阈值将发出提示预警，非接触智能测温预警，可取代额温枪人工测温。
公交人脸识别测温解决方案
公交人脸识别体温解决方案利用云计算、大数据、人脸识别测温仪等工具。
该系统需要在公交车上安装天波人脸识别体温监测仪，人脸识别测温一体机具有人证比对功能、人脸识别功能、体温检测功能、高温预警功能、口罩识别功能、4G通信功能，让公交测温防控工作更加安全、智能。人脸识别技术研究开发了一种近实时的计算机系统，可以***和追1踪人的头部，然后通过比较面部特征和已知个体的特征来识别该人。人脸识别体温监测仪数据实时同步到天波疫情监控平台，***可以通过监控平台监控公交乘车人员的健康情况。
人脸识别-局部二值模式（Local Binary Patterns，LBP）
局部二值模式（Local binary patterns LBP）是计算机视觉领域里用于分类的视觉算子。LBP，一种用来描述图像纹理特征的算子，该算子由芬兰奥卢大学的T.Ojala等人在1996年提出（《A comparative study of texturemeasures with classificatio1n based o1n featured distributio1ns》）。2002年，T.Ojala等人在PAMI上又发表了一篇关于LBP的文章（《Multiresolutio1n gray-scale androtatio1n invariant texture classificatio1n with local binary patterns》）。这对已经或即将采用刷脸考勤、刷脸开门的单位来说，将面临新的挑战。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的LBP特征。LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理。
