COVID-19在过去几个月中已成为严重的全球流行病，给全世界人类社会造成巨大损失。对于如此大规模的流行病，及时发现和隔离潜在的病毒携带者对于遏制流行病的传播至关重要。为了防治疫情，许多公共场所都配备了红外测温设备以检查人体温度。但是，最近的研究表明除了体温过高外，COVID-19肺炎可能的早期症状还包含由病毒感染引起的异常呼吸状态。而现有的红外测温设备只能检测体温无法对呼吸异常进行判断。针对这一情况，项目团队结合现有技术，提出了基于双模态像机的体温和呼吸数据采集及健康诊断系统，这一方案对新冠肺炎的筛查和进一步预防或将起到重大作用。

在本项目中，我们开发了一种非接触式的温度及呼吸数据采集和检测系统，该系统通过红外和RGB摄像头采集测试者的视频，结合深度学习技术计算并提取温度及呼吸数据，并通过深度学习模型分析体温和呼吸数据来进行健康状况的诊断。在病毒流行期间，许多人倾向于在公共场合佩戴口罩以减少患病的风险。因此，本项目考虑了佩戴口罩和不佩戴口罩两种模式，通过深度学习技术的结合使该系统能够同时兼容两种情况下的数据采集及检测。同时，考虑到检测环境的多样性，本系统设计了便携式手持设备和固定采集设备等多种形态，以适应不同环境下的数据采集和检测任务。

现有的基于热成像的设备仅仅提供体温监测功能，只能检测是否存在体温异常，并没有呼吸健康诊断的作用。本系统能够在检测体温的同时进行呼吸的检测和筛查，将异常的呼吸状况纳入健康评估的考量，及时的识别出呼吸异常的人群，这能够在一定程度上更好的阻止传染性呼吸疾病在公共场所的传播，在例如学校，火车站和机场等公共场所有广泛的应用前景。