脸检测是现在许多应用环境和程序中的第一步，包括人脸识别测温，头部姿势分析，甚至某些全身检测系统。由于脸部通常没有衣服遮盖，因此红外热像仪可以捕获脸部的直接皮肤温度，对人体进行人脸识别测温。

因此，现代科学提出了基于温度和形状组合的头部检测系统。使用红外热像仪的人脸识别测温消除了照明变化的影响，并简化了分割步骤。但是由于对象的不同热模式（由不同的活动水平或情绪，例如焦虑引起）也会带来一些挑战。神经网络是最早的方法之一，使用基于外观的方法将红外热图像在人脸识别测温中的使用与视觉图像进行了比较。红外热图像比视觉图像将会产生更好的结果。但是，尚未测试受试者的不同活动水平和极端环境温度如何影响识别率。所以，使用极性变换，本征空间投影和使用多层感知器进行分类的技术开发了一种热面部识别算法。测试了使用面部的不同部分进行人脸识别测温，并得出结论，使用面部的上部比使用整个面部具有更好的识别率。也提出了一种以特征和不变生理信息为特征的人脸识别系统。

图为人脸识别测温

同样地，识别常见的面部表情是另一个非常重要的任务。在这里，神经网络也已被用作早期方法。例如，使用120张图像的稀疏数据集，显示一个人的四种不同表情，该系统会显示出良好的效果。同时，提出了一种通过分析几何形状和局部特征来识别面部表情的系统。在许多视觉系统中，面部方向也是令人感兴趣的。一些研究中提出了估计头部姿势的系统。用人脸识别测温系统计算正面图像的侧倾角，提出了一种估计头部偏航角的系统。另外，这种人脸识别测温可用于检测驾驶员在汽车中的姿势以进行矫正。

测量脸部的热量分布还可以提供有关焦虑程度，汽车驾驶员的情绪信息，也可以将其用于自动检测。为了使这样的系统自动工作，重要的是该系统能够随时间跟踪感兴趣的组织。一种红外热像仪使用粒子滤波跟踪器的跟踪系统应运而生。为了进行生物性质的人脸识别测温，提出了使用热“面部指纹”的方法。这些面部印记可以捕捉面部生理特征，代表皮肤下的血管网络。还利用热面部图像进行生物特征识别，从骨架化的MWIR图像中提取浅表血管。