根据检测原理和实现方法的不同，红外热成像目标检测算法可分为以下几类：

基于阈值的方法：通过设置合适的阈值，将图像中的目标与背景进行分离。这种方法简单快速，但容易受到噪声和光照变化的影响。

基于滤波的方法：利用滤波器对红外图像进行预处理，提高目标与背景的对比度。常见的滤波方法包括高斯滤波、中值滤波等。

基于特征的方法：提取目标的特征（如边缘、角点等），然后利用分类器对特征进行分类，从而实现目标检测。这种方法对目标的形状、纹理等特征具有较强的描述能力，但计算复杂度较高。

基于深度学习的方法：利用深度学习模型对红外图像进行特征学习和分类。这种方法能够自动提取目标的深层特征，具有较高的检测精度，但需要大量的训练数据和计算资源。