在计算机视觉研究中，人类通常是被观察的对象。从监视到娱乐到医疗诊断，它的应用范围非常广泛。尽管之前的处理方式通常使用简单的图像处理算法，例如阈值检测，甚至手动检查图像。但对于人为系统，却更加重视具有自动检测和跟踪算法的强大系统。就像恒温动物所描述的那样，人类试图保持恒定的体温，而与周围环境的温度无关。这意味着，在大多数环境中，在捕获红外热像图时，人员会从红外热像仪中脱颖而出。利用该功能可以改善许多视觉系统中的检测步骤。如果从近距离观察人，则可以从红外热像仪中提取有关皮肤温度分布的信息。这对于诸如人脸识别或医学检查有着巨大的作用。

图为红外热像仪的红外热像图

对人类的检测是许多监视应用程序中的第一步。通用系统应具有良好的鲁棒性，而且这与环境无关。因此，基于红外热像仪通常是比普通视觉相机更好的选择。由于红外热像仪能够在夜间“看见”，因此对于监视和检测入侵者非常有用。对于侵入者检测，分类通常基于温度和简单的形状提示。提出了两个侵入者检测系统，其中一个系统可以调节红外热像仪以检测人体温度范围内的物体，然后根据形状对物体进行分类。其他工作旨在通过模式识别来检测人的头部来识别人。也可以使用阈值法，对每个斑点进行验证，以确定其是否包含一个或多个人。如果包含多个，则将其分为两个斑点。

通常，热传感器可用于检测坠落事故或异常活动的系统，这是尤其是老年人独立生活的重要安全工具。Sixsmith and Johnson提出了一种使用低分辨率红外热像仪系统。如果检测到跌倒或长时间不活动，系统会发出警报。还通过分析被检测物体的形状和姿态以及体温，提出了一种用于私人住宅的跌倒检测系统，一种使用安装在马桶上方的红外热像仪浴室跌倒检测系统，以防止老人跌倒及时报警。

红外热像仪还能对更一般的人类活动进行分析。Han和Bhanu提出了一种使用时空信息区分步行和跑步的系统，通过将3D运动学模型与从红外热图像中提取的轮廓拟合来估计步态参数。不同的运动类型通过随时间推移检测到的人的位置进行分类。一种用于分析人群中人的姿势，用来检测躺下的人的系统。这对于检测公共场所的人群体温或其他威胁可能很有用。同时，也设计出了一种通过找到上身的方向并定位身体的主要关节来估计人体姿势的系统。