在智能车间管理、设备健康状态评估等领域,红外测温技术具有广泛使用价值和发展前景,该技术既可以评估大型设备运行健康状态,还可以降低人力检修成本,更重要的是能降低工人操作风险,提高生命安全系数。但是,目前市场中常见的三目红外测温系统具有体积大,主控运算效率低,运维生产成本高等缺点。以红白光双目为主的红外测温系统其体积和主板运算负担都较小,相对运维成本低,是目前红外测温系统的主要研究方向之一。然而,由于红外光与可见光成像机理不同,导致图像信息无法同步,不能同频实现目标特征捕捉、目标距离检测等技术需求,对测温效率以及数据实时性造成影响,除此之外,目标距离远近和环境温度依然影响红外系统测温精度。故针对以上问题,本文设计多项实验,通过多元算法实现双光谱红外测温系统的动态目标高精度测温。首先,本文针对异源光谱成像机理不同导致无法同步识别目标特征这一问题,提出了基于卷积神经网络CNN的红外光与可见光目标特征检测方法。根据红外热成像特征及目标检测技术瓶颈分析,完成了基于CNN的高精度目标特征识别;先通过对anchors进行设置,面向目标浅层特征进行实验,接着搭建TSDF-based目标检测框架并进行实验,最后将实验结果对比优化,并将检测率、虚警率、漏检率做评价指标。可见光研究部分,在与CNN神经网络结合的前提下,采用中值滤波与Laplace算法对图像预处理并通过HOG特征构建与SVM分类器训练反复优化测试集与训练集中的采集图像,最后交于CNN进行模型训练,训练模型检测参数均优于对比实验中其它检测算法20%。其次,设计了系统的红外光与可见光组成的双光谱测距方法。通过多元素边缘检测算子对比实验,本文在分析实验结果优劣性后,提出一种将高斯算子与Laplace算子结合的方法进行目标边界特征提取,并通过特征点提取、构建尺度空间、特征点定位及主方向匹配、生成特征点描述子完成了双光谱目标特征匹配。分别针对红外光谱与可见光谱的不同特性设计了双光谱系统标定实验,完成了双光谱系统目标图像融合。将本文提出的目标边界匹配算法与双光谱系统结合进行测距实验,建立测距模型以及测距误差补偿模型,实验数据证明该模型具有准确性与可靠性。最后,本文对目标距离以及环境温度对双光谱红外系统测温精度的影响进行了实验验证与分析。将双光谱系统采集到的数据可视化后得出结论,目标距离在60m范围对系统测温造成最大相对误差为16.3%。环境温度在12-32℃范围对系统测温造成最大相对误差为4.6%。本文进一步实验,通过多元运算求极值、矩阵运算等建立了距离-温度、环境温度-检测温度等多维数学模型,并对模型进行误差分析及误差补偿,提出了距离温度补偿算法与环境温度补偿算法,经实验验证,算法达到了提升系统测温精度的目的,具备可靠性,实现了系统在不同温度环境下对动态目标进行温度补偿。