由于紅外熱像儀不依賴于燈光變化，因此紅外熱像儀可以作為一種室外測溫儀，在行人檢測研究中非常受歡迎。這意味著室外測溫儀也將在夜間發生，這也是減少大多數人與車之間發生事故的方式。之前的研究提出了一種基于汽車的檢測系統，其中涉及到一種針對行人的跟蹤系統。它既適用于靜止的車輛，也適用于行駛中的車輛。之后使用空間分辨率較低的室外測溫儀，通過結合三種不同的方法建立了一個魯棒的行人探測器，用于車輛行人檢測。Olmeda用室外測溫儀設計了一種行人檢測系統，該系統可以根據人的體溫和體型進行檢測，并使用卡爾曼濾波器對其進行跟蹤。并且作者提出了一種基于定向相位一致直方圖和SVM分類器的檢測系統，用于對行人進行分類。后續工作添加了一個驗證步驟，其中將檢測到的對象與行人模型進行匹配。這些基于紅外熱像儀—室外測溫儀的方法都大大減少了夜間行駛的汽車于行人的事故發生率。

圖為室外測溫儀下的夜間行人

廣泛用途的行人檢測包括基于體溫、形狀和外觀的方法以及基于局部特征的方法。除了根據體溫判斷是否人類以外，應使用基于形狀的檢測和基于外觀的人類定位。在將形狀提示用于消除非行人物體之后，將前景與背景分離，外觀提示有助于確定行人的確切位置。使用局部特征和分類器的組合，這包括HOG（方向梯度直方圖）功能和Edgelets檢測，而Adaboost和SVM級聯用作分類器。而且，在FPGA上實現了嵌入式行人檢測系統。已經測試了一種基于汽車的立體視覺系統，該系統可以根據距離估計，大小，縱橫比和頭部形狀定位來檢測有溫度的區域并對其進行分類。

不僅如此，可以在具有斑馬線的道路兩旁使用室外測溫儀對行駛的機動車進行提醒，在行人陸陸續續經過時，出現畫面，警報響起，使得機動車能夠減速行駛通過斑馬線。為了跟蹤行人，對于靜態情況，當機器人靜止不動時，會應用圖像差異和閾值進行人工檢測。當移動時，系統使用光流從移動場景背景中過濾出移動前景對象。根據室外測溫儀，可利用一種基于局部特征（SURF）的方法來檢測身體部位來跟蹤人類。跟蹤部分使用基于卡爾曼的對象位置預測來克服缺乏區分人的色彩特征的問題。對于用室外測溫儀拍攝的場景，卡爾曼預測被幀之間的偏移矢量計算所代替。