目标检测的置信度可以用来评估检测到的目标的可靠性和风险水平，并且可以有效地帮助排除错误警报，但是过去很少进行调查。在这封信中，提出了一种置信度驱动的红外目标检测方法。我们开发了三种置信度评估方法：（1）级联分类器的中值分类置信度； （2）基于被检测目标周围的合并检测矩形的数量和置信度的上下文置信度； （3）基于检测到的目标分布与周围背景分布之间的差异的对比度置信度。将三个置信度合并以形成检测到的目标的最终置信度。然后，我们使用置信度来优化目标的本地化。使用真实的红外图像进行的评估证明了所提出的置