对于病毒性肺炎疫情的防控,在传染初期,利用红外额温计和热像仪进行人体体温筛查具有直观、快速和非接触等优点。可见光和热成像融合的人群体温筛查系统,可在人群密集区域,对流感、肺炎引起的高热体征做出快速甄别,做好公共场所的疫情监控工作,大量部署于海关、车站、学校等重点防控区域。本文主要开展可见光、热成像双光谱融合体温筛查系统的相关技术研究,首先介绍了红外测温原理、人脸检测与跟踪、黑体校正和距离校正等技术原理,着重研究了红外热像和可见光图像的配准算法,采用SURF图像配准算法,进行SURF特征描述,及特征点匹配,估计几何变换模型参数,建立了仿射变换模型,对特征点对的误匹配进行剔除,采用了内外黑体标准标定法提高测温精度,实现了系统的可见光图像和热成像配准软件设计,最后进行系统的搭建和硬件选型,并对图像配准实验结果进行详细分析,同时对Android版人脸检测实验结果进行描述,对人脸检测与跟踪进行了详细的实验分析,设计了系统界面及功能,并给出了测温系统的详细评价办法,对本设计系统进行了仪器的校正与评价。试验结果表明,在室内公共场合的人行通道上布控,在监控视野内(视场角24*18)通行人数达200人/分钟,在15人/帧以下的群体测试环境,面部被口罩遮挡情况下的人脸检出率为99%,人群流动情况下的人脸检出率为95%,人脸跟踪准确率达90%,人体额温测量精度小于±0.3℃(环境温度为16℃-32℃)。