基于红外图像的车辆前方行人识别与跟踪是车辆辅助驾驶系统中的关键技术,也是当前车辆主动安全领域研究的热门课题之一。通过车辆前方安装的红外热像仪,获取车辆前方的行人信息。由于红外线具有穿透雨、云、雾、雪的能力,而且不受强光或者光线不足的影响,所以红外传感器可以在白天、黑夜等恶劣天气条件下实时获得行人信息。尤其在晚上红外热像仪给司机提供帮助,减少了车祸发生,保障了行人的生命及财产安全。本文以红外图像为研究对象,主要对红外图像中行人目标识别与定位进行了研究与实现,并解决了单一运动行人在复杂环境中出现遮挡后的跟踪问题。论文首先概述了红外成像原理,通过分析红外图像的特征和优点,确定了红外图像预处理的方法。文中对红外图像进行中值滤波和幂次变换,提高图像的信噪比以及图像的对比度。采用Otsu阈值分割,能够有效地分割出图像中的感兴趣区域。对红外图像中的行人目标进行分类和定位。本文利用人体的形状特征和类Haar特征,分别训练两个分类器。应用支持向量机(SVM)分类器去除非行人目标,类Haar特征训练的分类器对行人目标进行定位。仿真实验表明两个分类器既解决了行人目标分类问题,而且还能精确定位并用红色矩形框标出识别出的行人。针对Mean shift算法无法应对运动目标遮挡问题,以及Kalman滤波跟踪算法可以预测运动目标的位置的特点,提出了将Mean shift算和Kalman滤波算法融合。由Kalman滤波器预测目标的位置,Mean shift算法在预测点周围搜素,从而能够很好的解决运动目标完全遮挡问题。