红外热成像的行人检测已成为车辆辅助驾驶领域中的热点问题，它为白天和夜晚的无差别应用提供了可能。基准数据集是目标识别与检测的重要基础，尤其目前红外行人检测基准数据集稀少和不够健全，检测算法性能的评估只能使用自行准备的专有视频数据。这些视频数据因成像设备参数和数据采集方式的不同而产生差异，导致检测性能评估有偏。本项目以建立红外热成像行人检测基准数据集为目标，完成了四个方面的工作：1) 研究适合红外行人视频数据标注的理解和归类规则，为建立标注信息丰富、规模充分的基准数据集提供科学依据；2) 利用辅助集的迁移和集成学习理论，研究适应不同指定场景的行人检测方法；3) 在前述工作的基础上，将视频标注过程分解为指定场景中的行人检测和人工校正两个交错进行的环节，研究自适应的半自动视频标注方法；4) 建立实验系统，对本项目提出的半自动标注方法进行验证。通过本项，为基于红外热成像的行人检测研究提供了统一的数据平台。
