计算机视觉研究领域,目标的检测与跟踪是诸多科研人员重点关注的课题。由于该项技术与实际结合的十分紧密,已经在诸如交通、安全、监控等领域得到广泛的应用。一方面,傍晚至清晨由于受到人员密度低、监管人员警惕性下降、环境光线不佳等原因的影响,成为了交通事故、安全意外、犯罪事件的高发阶段;另一方面,传统的CCD摄像机已经不能满足夜间的监控需求。无人机由于具备成本低、效率高、机动性强、使用方便等诸多优势,随着城市的迅速发展,其在多个行业领域均获得了广泛的应用,因此本文重点对基于移动平台热成像的行人检测与跟踪技术的研究工作进行了讨论。首先,针对移动平台下热成像图像的特点,对图像预处理、图像分割、形态学处理技术的常见方法进行了分析和总结,采用自适应双阈值分割算法对图像中的行人区域进行了划分。同时,结合行人目标成像特点设置了一系列区域筛选条件(如高度限制、高宽比等),对图像中的行人候选区域进行了过滤和再生成。然后,在行人检测算法研究阶段,介绍了热成像图像检测目标特征类型的选择及提取方法,并对实际应用中主要采用的目标分类器进行了简单论述。本课题综合考虑在实际应用中对检测实时性及准确性的要求,最终选择了基于OCS-LBP特征的随机森林分类器进行行人检测。通过实验仿真,验证了本课题方法的可行性及性能优势。最后,在行人跟踪算法研究阶段,介绍了实际应用中最常见的粒子滤波算法,并对本课题选用的用于粒子权值分配的增强型随机蕨训练过程、联合校验算法和在线学习的方法进行了详细的讲解。为了提高行人特征提取的准确度和跟踪的精确度,在跟踪器在线学习更新阶段,首先对新样本的采样区域进行了重新调整。最终的实验结果验证了本课题方法的可行性及性能优势。