运动人体检测、识别和跟踪技术是人体运动分析的重要内容，在灾害救助、军事侦察等方面有着非常重要的实用价值。热释电红外传感器具有被动式接收、隐蔽性好、功率小、灵敏度高和受环境光线干扰小等优点，近年来逐渐被广泛应用于报警、自动控制、遥测、安防等领域。本课题的研究目标是，对基于热释电的目标识别技术做出一定的分析和研究，为一些精度要求不高的场合，提供了一种可靠的，低成本的识别方案。　　利用热释电红外传感器，将人体红外辐射信号转换为电信号，分别进行了特征提取和数据融合，构建了以捕获的人体红外信号为特征，基于支持向量机和多传感器数据融合的目标识别方案。以单人体目标识别为研究基础，对多目标人体目标识别进行了研究探索，并依托实验平台进行了运动人体识别实验。本文重点开展了如下几个方面的工作：　　（1）对热释电红外传感器的国内外发展现状进行了阐述，介绍了目标识别的基本现状，以及目前热释电传感器在模式识别领域中的相关研究。重点对基于热释电红外传感器的人体识别方面进行研究。　　（2）构建了运动人体的特征向量。通过热释电红外传感器，将运动人体的红外信号转换为电信号，利用多种算法对其进行时域和频域分析，从而提取基本的时频域特征。结合提取的效果，对提取后的信号进行进一步的数据降维，从而获取最终的特征向量。　　（3）利用数据分类和数据融合得出目标识别率。数据分类方面，采用支持向量机（SVM）工具包对本文特征向量进行数据分类，从而得到初步识别效果。数据融合方面，本文采用决策层融合，基于D-S证据理论，对多传感器数据进行融合。实验表明，本文方法的识别效果较好。　　（4）设计了单人体识别实验，重点分析了传感器的安置高度以及行走路径与传感器节点的距离，对运动人体识别率的影响，实验得出通过融合不同高度的传感器单元的分类特性，有效的降低了现有 PIR传感器对远距离目标的误报率。　　搭建实验平台。在数据处理方面，针对模型特征，设计了数据开关，能够有效的对多传感器数据进行融合。实验结果表明热释电可以用于对多目标进行识别，为某些场合提供了一种低成本的识别方案。