一、热红外成像技术

热红外成像技术利用物体发出的红外辐射进行成像，这种辐射与物体的温度有关。因此，热红外成像可以不受光照条件的影响，且在图像中，人体由于温度较高，通常会比背景显得更亮。

二、图像处理算法

阈值分割：

通过设定一个阈值，将热红外图像转换为二值图像。在这个二值图像中，高于阈值的像素点被标记为前景（可能是人体），而低于阈值的像素点被标记为背景。

连通域分析：

对二值图像进行连通域分析，以识别出独立的连通区域。这些连通区域可能对应着图像中的行人。

为了排除非人体区域，可以设定一个面积阈值，仅保留面积大于该阈值的连通区域作为候选人体区域。

运动分析：

在动态场景中，可以通过分析图像序列中像素点的变化来检测运动物体。这种方法可以增加检测的召回率，特别是在环境温度较高或存在高温物体干扰的情况下。

通过设定变化阈值，比对前后两帧的同一位置像素点的差值，若满足条件，则将该像素点标记为“warm”pixel。当“warm”pixels的个数和面积满足一定条件时，可以认为该区域存在运动的行人。

区域融合与调整：

将通过阈值分割和运动分析得到的候选人体区域进行融合，以得到更完整的人体区域。

对融合后的人体区域进行宽度和高度的调整，以符合行人的实际尺寸比例。

通过计算宽/高比值及面积，进一步确定最终的人体区域。

优化算法：

为了提高检测的准确性和效率，可以采用一些优化算法。例如，使用凸-凹形灰度值映射曲线对图像像素点进行映射以增强图像对比度；使用多尺度特征融合模板表示在图像不同尺度下的不同区域提取不同的特征；使用帧头部区域约束和前景区域约束来优化特征点提取等。

三、实际应用

在实际应用中，热成像呈现人像算法可以用于各种需要检测行人的场景。例如，车载热成像行人检测系统可以利用该算法在夜间或恶劣天气条件下实现行人的准确检测；安防监控系统也可以利用该算法在复杂环境中进行行人的实时监测和追踪。