第一章 红外目标检测概述
各位同学好，我是老张。在嵌入式AI这个行当摸爬滚打了十来年，今天咱们来聊聊红外目标检测的嵌入式移植。说实话，这个方向挺有意思的——可见光做目标检测的人很多，但红外这块，真正能落地到嵌入式平台上的，其实不多。
为什么会这样？因为红外图像有它自己的脾气。你想想看，可见光图像我们人眼一看就懂，但红外图像呢？灰蒙蒙一片，有时候连轮廓都看不清。嗯，这就是我们要啃的硬骨头。
1.1 红外成像原理
先说说红外成像到底是怎么回事。说白了，任何温度高于绝对零度的物体，都会向外辐射红外线。温度越高，辐射越强。红外相机就是捕捉这些辐射，然后转换成我们看到的图像。
我个人习惯把红外成像分成两类：
- 制冷型：灵敏度高，但贵，功耗大。军工上用得比较多。
- 非制冷型：便宜，功耗低，适合民用。我们做嵌入式移植，主要跟这类打交道。
我在项目中遇到过一个问题：非制冷型红外相机开机后，图像会慢慢漂移。这是因为探测器温度在变化。所以算法里必须加非均匀校正，不然检测结果会越来越离谱。
1.2 红外目标检测的应用场景
红外检测能干啥？我列几个实际落地的场景：
| 场景 | 典型应用 | 我踩过的坑 |
|---|---|---|
| 安防监控 | 周界入侵检测、夜间巡逻 | 曾经在雨雾天气下，误报率飙升到30% |
| 自动驾驶 | 夜间行人检测、动物避让 | 夏天路面热辐射干扰严重，小目标容易漏检 |
| 工业检测 | 设备过热预警、管道泄漏 | 背景温度变化导致检测阈值需要动态调整 |
安防这块，我印象最深的是有一次做周界项目。客户要求检测100米外的人，但红外图像里人只有几个像素大。你想想看，这种小目标检测，在嵌入式平台上跑，既要快又要准，难度不小。
自动驾驶呢？说实话，纯可见光在夜间基本废了。红外是很好的补充。但要注意，夏天的柏油路面温度很高，会形成强烈的热辐射，把行人给"淹没"了。我曾经因为这个原因，不得不重新设计预处理流程。
1.3 课程整体技术栈与学习路径
好，接下来聊聊我们这30章要学什么。我画了一张图，把整个知识体系串起来：
从这张图你能看出来，我们不是只讲算法，也不是只讲嵌入式。而是把红外成像、目标检测、模型优化、嵌入式部署串起来。我个人觉得，这才是真正能落地的学习路径。
具体来说，课程分四个阶段：
- 基础篇（第1-8章）：红外图像处理、经典检测算法、数据集构建。这部分我会带着你手写一些预处理代码。
- 模型优化篇（第9-16章）：量化、剪枝、蒸馏。嗯，这里有个坑——INT8量化对红外图像的影响比可见光大，我们得专门讲。
- 部署篇（第17-24章）：ONNX转换、TensorRT加速、NCNN移植。我建议你准备一块开发板，边学边试。
- 实战篇（第25-30章）：完整项目。从数据采集到最终交付，每一步我都会分享实际项目中的经验。
学习建议：
- 准备好一块嵌入式开发板（RK3588或Jetson Nano都行）
- 红外数据集可以先用FLIR的公开数据集练手
- 遇到问题先自己调试，实在不行再来问我——我曾经为了一个算子兼容性问题折腾了三天
好了，第一章就到这里。记住一句话：红外目标检测的嵌入式移植，难点不在算法有多深，而在于你怎么把算法和硬件结合起来。后面的章节，我们一步步来拆解。
公众号:蓝海资料掘金营，微信deep3321