红外弱小目标检测和跟踪广泛应用于军事预警,交通监控和空中安全等领域。红外探测技术虽然有探测距离远,全天候工作,不易被发现等优点,但复杂背景下红外目标先验特征信息少,传统红外目标检测与跟踪方法仍然存在着检测速率慢,检测准确率低等问题,使得红外目标跟踪与分类识别是一个非常有挑战性的问题。首先,本文提出了一种结合深度学习和生物视觉机制的红外目标检测算法,构建生成式对抗神经网络,训练生成器产生红外图像样本,并通过Gabor核函数模拟生物视觉神经单元响应对红外图像降噪处理。再构建卷积神经网络检测红外目标,以最小化红外目标预测位置与真实红外目标位置的熵为目标训练卷积神经网络,参数训练后逐帧输入待处理的红外图像检测出候选目标区域。为克服卷积网络无法检测未知目标的缺陷,进一步细化检测结果,挖掘人类视觉运行机制,本文以红外图像像素点为视神经元,构建视神经空间,描述红外图像在高维视神经流形空间中的局部概率分布特性,将高维视神经流形空间中的红外目标图像数据点映射到低维空间中进行分类。实现差异化红外目标检测结果,为红外目标轨迹跟踪提供良好数据基础。最后针对红外目标轨迹跟踪不准确的问题,提出了基于生物视觉匹配与预测机制的跟踪方法。建立不同类别红外目标匹配模板,结合生物视觉机制中局部运动目标关注匹配机制,确定红外目标轨迹起始位置。并借助生物视觉机制中的轨迹预测机制,设计了一种基于红外弱小目标运动特征的轨迹预测跟踪系统,对不同类别目标生成对应预测轨迹集合,使用匈牙利算法将这是目标轨迹与预测轨迹以欧式距离为权重进行分配优化,最终实现对红外目标轨迹的准确跟踪。实验部分,本文在公开数据集上选取红外目标图像数据集并制作对应标签,通过MATLAB仿真验证了本文算法在基本满足实时检测的要求下,仍然可以有效地对红外弱小目标进行检测与跟踪,并实现红外目标的分类。