为解决传统目标检测算法在红外场景下的目标识别精度低、检测速度差等问题，提出基于AS-YOLOv7的红外目标检测方法。首先针对红外图像的特性，对YOLOv7模型中的特征提取网络进行重构并构建卷积块CBH,保证模型的稳定性和计算速度；然后改进金字塔池化(SPPCSPC)模块，使模型在不增加任何参数的同时提高模型性能；最后将原模型中的损失函数替换为具有动态非单调的WIoU损失，解决红外数据集中质量较好和质量较差的样本间的不平衡问题，提高模型的泛化性。本文实验在自行采集的数据集上进行训练和验证，与原模型相比，AS-YOLOv7的平均精度提升了0.2%,参数量降低了79%,计算量降低了85%,推理时间降低了32 ms。改进后的模型在保持准确度的情况下提高了模型的推理速度。