Se han realizado varios estudios sobre la detección de objetos, seguimiento y reconocimiento de acciones basados en imágenes térmicas. Sin embargo, se producen errores durante la detección de objetos, seguimiento y reconocimiento de acciones cuando un objeto en movimiento sale del campo de visión (FOV) de una cámara y parte del objeto se vuelve invisible. Sin embargo, hasta ahora no se han examinado estudios sobre este problema. Por lo tanto, este artículo propone un método para ampliar el FOV de la imagen actual mediante la predicción de imágenes fuera del FOV de la cámara utilizando la imagen actual y las imágenes secuenciales anteriores. En el método propuesto, la imagen térmica original de un canal se convierte en una imagen térmica de tres canales para realizar la predicción de imágenes utilizando una red generativa adversaria de predicción de imágenes. Cuando se realizaron experimentos de predicción de imágenes y detección de objetos utilizando el subconjunto de maratón del conjunto de datos abierto de referencia de video infrarrojo térmico de la Universidad de Boston (BU-TIV), confirmamos que el método propuesto mostró una mayor precisión en la predicción de imágenes (índice de similitud estructural (SSIM) de 0.9839) y detección de objetos (puntuación F1 (F1) de 0.882, precisión (ACC) de 0.983 e intersección sobre unión (IoU) de 0.791) que los métodos más avanzados.