以红外人脸作为生物特征进行图像处理是近年来模式识别的一个重要研究方向,红外条件下成像不受光照影响和防伪装等特点使它成为近年来研究的热点。本文主要研究目的在于为红外条件下的动态图像检测、识别及跟踪提供理论依据和方法。研究内容是以红外成像设备获取的的人脸图像作为研究对象,深入分析红外人脸成像的特点,同时充分考虑动态环境下对处理速度和精度的要求,建立了基于红外条件下的人脸检测、识别和跟踪算法,通过实验测试,算法行之有效。由于特征点的检测速度和精度对后面识别和跟踪的准确率有很大的影响,所以在检测速度上采取简单有效的分类器设计,在检测精度上注重弱化表情影响,选取稳定的特征进行检测定位。通过进行图像的尺度和灰度的归一化、图像增强等预处理过程,为人脸的识别与跟踪作准备。识别过程中,在结合K-L变换介绍了二维主分量分析(2DPCA)基础上,引入了分块的二维主分量分析法,通过对原有算法的改进,提出了加权融合的二维主分量分析的识别方法。有效的解决了识别过程中脸部形变较大的部分对识别率的提高起不到正面的作用的问题。在跟踪阶段,深入分析了均值移动的理论基础,比较有参概率密度估计和无参概率密度估计的优缺点。得出了影响跟踪效果的因素主要是核函数带宽的精度。提出了基于均值移动和Adaboost算法融合的红外人脸跟踪算法,实现了红外人脸的实时跟踪。最后利用C++在MFC平台下编程对上述算法实现,并拿HID红外人脸库进行测试取得了较好的效果。