社会经济的发展带动了技术的进步,红外技术正是如此。与基于可见光设备的视频监控系统相比,红外视频监控系统在雾、雨、烟等恶劣天气中仍可正常工作。在提升视频监控系统自动化程度方面,计算机视觉技术为此提供了优秀的解决方案,并成为其未来的发展动向。但是,红外成像受低信噪比、信息缺乏等因素制约,加之人体的非刚体等特点使得红外人体目标检测与跟踪技术已成为计算机视觉领域的一个热点与难点。本文主要研究复杂背景下红外人体目标检测跟踪技术,主要工作包括以下几方面:1.提出了一种基于改进的混合高斯模型(GMM)的运动目标分割算法,并结合图割(GC)与主动轮廓模型(ACM)进一步分割得到的候选目标。虽然GC与ACM多用于医学图像分割,但本文扩展其应用范围,使其与GMM结合起来,从局部上分割红外图像,得到更精确的目标形状。不同帧图像处理结果表明,该算法的分割精确度较高。2.为了检测室外监控视频中的行人,提出了一种基于熵与边缘加权的局部梯度方向(EEWLGO)特征。首先,对于特定大小的图像,该方法计算每个像素的梯度方向与大小,将方向分成9个区间范围。然后仿效梯度方向直方图(HOG)特征对原始图像的划分方式,将图像划分成多个块,每个块内的每个区间范围的梯度值分别求和,并将某个范围的和值映射至该块所代表的像素位置上,也就是说一个块代表一个像素,共生成9幅图像,每幅图像表示原始图像上所有梯度方向相同的像素的梯度幅值在每个块的和。再者,为了加强边缘效应,本文融合5个边缘方向直方图增强特征的鲁棒性。最后,以不同的归一化因子归一化得到的特征向量。交叉验证与其他测试集上的实验均表明,对于其他特征如HOG,本文的特征具有较高的分类精度与鲁棒性。3.研究了红外视频中的人体跟踪技术,根据红外成像与人体目标的特有特性,提出了一种结合空域核直方图的目标描述模型,并根据改进的GMM模型改变核函数带宽。针对红外图像本身包含信息少的特点,仅根据灰度信息跟踪不稳定等问题,本文联合空域与灰度信息描述目标模型,达到稳定跟踪的目的;针对核函数带宽不变的缺点,本文基于改进的GMM模型大致定位目标出现的区域,并在新区域内迭代搜索最优目标位置,保证跟踪的进行。实验结果表明,空域核直方图联合模型具有一定的鲁棒性,且核窗更新机制可以适应人体大小的变化。