基于行人保护系统的行人识别旨在保护交通系统中的行人安全。针对夜间交通场景成像质量差的问题，提出了红外热成像设备在交通系统中的应用，并建立包含骑车、跑、轮滑、走、坐、蹲在内的6类夜间行人数据集。为了适应硬件资源有限且实时性要求高的行人保护系统，对MobileNet的深度可分离卷积结构进行改进，网络深度进行缩减得到S-MobileNet。针对夜间红外图像对网络优化器和宽度因子α进行选择。实验结果表明：在采用Nadam优化器和α为1时的S-MobileNet参数量仅为AlexNet的1/75

分类精度可达到96.3%。网络模型在识别精度和参数量上具有优势，更利于部署在嵌入式系统中。