红外目标检测与跟踪是计算机视觉领域中的重要研究方向,在自动驾驶与智能安防等方面有着广泛的应用。相比于可见光图像,红外图像不受光照强弱以及外界环境因素的影响,可实现全天候的应用。但是,由于红外弱小目标像素点较少且缺乏内部特征,工程中应用的红外目标检测与跟踪系统在面对弱小目标时效果不甚理想,适用性不强。本文针对上述问题,提出一种红外目标检测与跟踪系统,对行人目标与弱小目标都可进行鲁棒性强的检测与跟踪,使红外目标检测与跟踪系统的适用性得到了提高。具体工作如下:（1）红外目标检测。为了提高红外目标检测系统的准确率:首先,在图像预处理阶段,基于人类视觉机制改进Lo G滤波过程,得到鲁棒性更强的图像。其次,在候选区域生成阶段,提出一种信息融合算法,对红外图像进行热分析与运动分析,充分利用红外图像目标的亮度信息与运动信息,生成目标候选区域。再次,介绍了OCS-LBP特征与三线性插值HOG特征,它们分别利用红外目标的纹理信息与梯度幅值信息。最后,将上述两种特征融合,得到对红外图像目标描述性更强的融合特征,并使用基于融合特征的随机蕨分类器对目标进行分类提取,得到最终的目标检测结果。为了提高红外目标检测系统的适用性,加入红外弱小目标检测模块:针对红外图像中的弱小目标,提出一种改进的局部对比算法,它可以充分利用目标与其周围背景之间的对比度,有效检测红外弱小目标。（2）红外目标跟踪。在检测阶段得到目标的位置后,在红外视频图像中对目标进行跟踪。为了提高红外目标跟踪系统的跟踪精度与适用性:首先,在训练阶段引入上下文信息,在模型更新阶段引入一种高置信度模型更新策略,解决了由于目标严重遮挡造成的目标丢失问题,提升了算法的性能。其次,在跟踪复杂天空背景下的红外弱小目标时,利用高斯曲率滤波来减弱红外图像中背景云层边缘处对跟踪效果的影响。最后,在图像中检测出多个目标需要跟踪时,提出一种改进的多目标跟踪算法。该算法通过加权融合两种改进特征的跟踪结果,为检测到的每个目标建立相关滤波跟踪器,并通过跟踪片的置信度分步关联目标的运动轨迹,达到精准跟踪多个目标的效果,加强红外目标检测与跟踪系统的适用性。