人体目标检测与跟踪是计算机视觉领域的研究热点。相比于传统可见光成像系统,红外成像系统在黑暗和烟雾等环境中具有更强的视觉能力,基本可以实现全天候不间断工作。因此,针对红外图像序列中人体目标检测与跟踪算法的研究具有重要的实际应用价值。本文在介绍分析红外图像特性的基础上,针对红外图像序列人体目标检测过程的候选目标提取、人体目标分类识别以及人体目标跟踪等算法进行了研究。首先,提出一种全新的基于图像序列中背景检测频率最高假设的背景建模方法。通过考察分析给定像素点在若干帧图像中的灰度值分布情况,对该像素点的灰度值进行归类。定义像素点最多的类别为背景像素点所属类别,最后采用高斯模型描述背景像素点及其领域的灰度值。实验结果表明新的背景建模方法能够准确地构建图像序列的背景,对各种情况具有鲁棒性,采用背景差法能够准确地提取人体候选目标。其次,针对人体候选目标识别分类问题,提出一种新的基于网格划分与局部描述的目标边缘特征,并分别提取目标形状特征、目标占空比特征,采用三种特征按照由整体到局部的思路描述人体目标,最后采用级联分类器对红外图像中候选目标进行分类识别。实验结果表明,本文的人体目标检测算法对不同数据库、各种情况的人体目标均能够得到优良的检测结果。最后,采用粒子滤波算法实现红外图像序列中的人体目标跟踪。针对人体目标发生遮挡而导致跟踪不准确问题,提出一种新的基于局部边缘特征重组的人体目标特征。首先提取目标的局部边缘特征,然后提取出相邻网格的局部边缘特征并组合成新的人体目标特征,最后将特征融合粒子滤波实现人体目标跟踪。实验结果表明,本文的人体目标跟踪算法在保证人体目标正常状态下准确跟踪的同时,对人体目标遮挡的情况同样具有较高准确性。