Ich hoffe ich habe das richtig verstanden.
Der oder die Sensoren sollen in einer höchst dynamischen Umgebung eine Person ( Zustand unklar ) erkennen können. Wenn der Sensor nur aus einer Art besteht ist dieses Vorhaben meiner Meinung nach nicht realisierbar.
Ein Richtmikrophon das nur auf Infraschallwellen reagiert ( Herzschlag ) müsste derart empfindlich sein ( um eine Person die bereits bewusstlos ist und deren Körperfunktionen bereits zentralisiert sind ) das die niederfrequenten Schallwellen einer leichten Brise die um die rauhe Oberfläche eines Baumes streift schon dafür sorgt das die Elektronik anspricht.
Ein reines Wärmebild kann nicht durch Wände "sehen". In Wäldern gibt es ja auch Büsche und Sträucher. Wenn sich also eine Person hinter einem Busch etc befindet kann dein Roboter 20 cm daran vorbeifahren ohne etwas zu bemerken.

Aber vielleicht doch noch ein Lösungsansatz mit Mikrophonen:
Zwei drehbar angebrachte Richtmikros werden so ausgerichtet das sie von "genau" einem Punkt Schallwellen empfangen. Das Frequenzspectrum wird analysiert ( auch infra und ultraschall ) Nun werden die beiden Spektren übereinander gelegt und voneinander abgezogen ein parametrischer Equalizer dürfte hier auch zur Signalverbesserung beitragen. Damit ließe sich, denke ich das Umgebungsrauschen herausfiltern. Nun schneidet ein sog. Cutoff alle Frequenzen oberhalb von 2 Herz ab. Ein Algorithmus sucht nun in dem verbleibenden Spektrum zunächst nach periodisch wiederkehrenden Spitzen. Da sich ein Herzschalg nicht von jetzt auf gleich halbieren oder verdoppeln kann darf die auswertende Programmschleife nur wenige aufeinander folgende Ereignisse überprüfen.

Wie gesagt nur ein Ansatz, ich sehe hier große Schwierigkeiten das eingehende Audiosignal so hoch zu verstärken das es annähernd an Logikpegel heran kommt, denn jeder Verstärker erhöht auch das Rauschen und bringt gleichzeitig eigenes Rauschen mit ein. Die Umsetzung des analogen Spektrums in digitale Werte setzt eine Splittung in viele kleine Teilspektren und deren Umwandlung mittels A/D Wandler vorraus. Von einer Frequenzaufschlüsselnden Software oder Hardware einmal ganz zu schweigen. Eine Echtzeitanwendung ist somit so gut wie ausgeschlossen, da die erforderliche Computerpower mit einem aktuellen PC nicht zu erreichen ist.