近年来,全球大部分疫情发生的“吹哨人”均为人体体温异常,随着人口不断增长,无人化的红外测温系统部署以及体温异常人员的面部信息自动追踪,对学校、车站、大型商场、办公楼宇等场所的常态化体温监控以及防控疫情具有重要意义。本论文搭建面向人群的红外体温双光智能监控与追溯系统,准确检测与监控人流中异常体温人员,智能分析异常体温人员的面部特征并识别记录,构建人脸数据集,建立相对可靠的人脸检测与人脸识别训练模型,从而形成稳定高效的双光测温智能安检系统。本论文的主要研究内容包括:（1）搭建针对学校、生活小区、火车站等不同人流汇集场景下的红外体温双光智能监控与追溯硬件系统,有效实现红外体温和人脸图像的信息采集。（2）基于红外测温原理,探究不同因素对测温精度的影响并进行误差计算分析,构建人体辐射的红外线强度到体温的映射关系,实现对人体体温的准确获取。（3）采用面部检测损失函数对MTCNN算法模型进行改进,分别对P-Net、RNet和O-Net三个子网络开展训练;基于Face-Net人脸识别算法,利用Softmax损失函数和中心损失函数的联合监督方法进行改进训练。测试结果表明:改进后的人脸检测算法准确率整体提高近6%,联合中心损失函数后识别准确率提升0.34%。（4）基于.Net Framework平台,采用“WPF+Open CV+Tensor Flow”框架,开发具有在线智能测温和人脸识别的红外体温双光智能监控与追溯软件系统。