Para la mayoría de los animales salvajes, la actividad máxima ocurre durante las horas nocturnas, su observación solo es posible con el uso de equipamiento especializado. Los avances en tecnología y la disponibilidad de dispositivos de detección térmica permiten a los investigadores examinar la vida silvestre. Este estudio compara diferentes métodos para la detección de animales en imágenes de cámaras térmicas, incluyendo métodos clásicos (HOG/SVM) y basados en redes neuronales profundas (Faster RCNN y YOLO). Se realizó una comparación para indicar la media de Precisión Promedio (mAP) más beneficiosa para diferentes niveles de umbrales de cobertura de Intersección sobre Unión (IoU) y sensibilidad (Recall). Los resultados fueron evaluados en un conjunto de datos de prueba que contenía dos familias de animales (Cervidae y Suidae). Los modelos se compararon en términos de precisión, recall y tiempo de entrenamiento. Después de una serie de pruebas, el rendimiento logrado fue muy satisfactorio: para la red YOLOv3, el mAP obtenido fue superior al 90% para IoU > 50%; para Faster R-CNN, el mAP obtenido fue del 87%; y para HOG/SVM, el mAP obtenido fue del 40%. El tiempo de entrenamiento para HOG/SVM fue inferior a 1 minuto, para YOLOv3 fue alrededor de 50 minutos y para Faster R-CNN fue alrededor de 60 minutos. Esta investigación proporciona un punto de partida importante para la creación de un sistema terrestre para la observación autónoma de la migración y números de población, lo cual es un enfoque único en el campo de la investigación de la vida silvestre.