Запропоновано метод автоматизації аналізу даних тепловізійних систем у галузі контролю безпеки. Встановлено, що на сьогодні технології відеоспостереження мають низку недоліків, яких можна позбутись, використовуючи тепловізійні камери. Для зниження відсотків хибних спрацювань та підвищення ефективності тепловізійних систем відеонагляду аналіз інфрачервоних зображень можна автоматизувати. Недоліком в автоматизації детектування об'єктів на термографічних зображеннях є високий рівень завад, нечіткі контури об'єктів, низька роздільна здатність зображень. Розглянуто традиційні та перспективні методи аналізу термограм та підходи до створення автоматизованих систем теплового відеонагляду. На основі огляду існуючих праць як метод автоматизації детектування об'єктів на термограмах запропоновано використовувати глибинне навчання, яке за останні роки зарекомендувало себе як ефективний засіб аналізу зображень. За модель глибинного навчання запропоновано вживати YOLOX, яка має одні з найкращих показників якості та швидкості оброблення вхідних параметрів на стандартних наборах даних. Для навчання моделі використано анотований набір теплових зображень Thermal Starter від компанії FLIR. За результатами навчання моделі для розпізнавання чотирьох класів об'єктів на термограмах отримано значення mAP на рівні 55 %. Проаналізовано переваги та недоліки цієї розробки. Визначено шляхи подальшого вдосконалення нейромережевого методу автоматизації тепловізійних систем контролю безпеки.