开发多模态融合算法，结合可见光与红外图像，通过自适应对比度增强、烟雾散射模型校正，提升浓烟中人体目标的边缘清晰度和特征可辨识度。集成时空域降噪技术，消除热成像设备噪声及装备老化导致的图像模糊，确保低信噪比下的目标轮廓保留。
设计轻量化深度学习模型，结合人体热辐射特征先验知识，构建抗热干扰的目标检测框架，实时输出人体目标的位置坐标。支持动态目标追踪，通过卡尔曼滤波预测运动轨迹，解决火场中人员移动或装备遮挡导致的漏检问题。
输出结构化判别结果，支持与消防指挥系统实时对接，缩短决策时间。内置故障容错机制，在设备部分参数异常时，仍能保持较高的目标识别准确率。
针对火灾起数逐年上升、直接经济损失惨重的现状，算法可嵌入消防无人机、单兵头盔摄像头或移动机器人，解决火场中“看不见、辨不清、定位慢”的痛点，辅助消防员快速锁定被困人员位置，降低救援盲区。
适用于大雾天气中的户外搜救、隧道/地下空间失联人员定位、丛林/废墟中的敌方人员识别、安防领域嫌疑人追踪等低能见度和隐蔽场景。
可用于隐蔽场景捉拿嫌疑人，以及化工园区火灾早期人体目标判别，辅助应急疏散决策。
展示同一浓烟场景下的原始图像与处理后图像，标注关键特征点。同时通过视频演示算法在模拟火场环境中对移动人体目标的实时框选、追踪轨迹，显示单帧处理时间。
对比不同烟雾等级下的识别准确率，以及在高温热源附近设置人体模型，展示算法如何排除干扰并正确识别目标，对比传统算法误检率降低情况。
通过消防演练数据，展示使用该算法后目标定位时间缩短、漏检率降低的情况。同时展示算法与消防指挥平台的对接效果，包括定位结果在电子地图上的实时标注、风险等级预警弹窗等交互功能。
原始图片说明：浓烟环境下低对比度、高噪声的可见光/红外图像
输出图片说明：经算法处理后的增强图像，目标轮廓清晰化、噪声抑制