随着计算机视觉技术在当今社会的日益发展,红外图像处理技术已经被大范围的用于导航跟踪、人工智能和自动控制等实际应用领域,红外目标问题有着深刻的研究意义并得到了广泛地应用,例如在军事上,红外运动目标跟踪已被成功用于武器的成像制导、军事侦察和监视方面,在日常生活中,红外目标的跟踪也常常被应用于智能交通、视频监控等问题中。本文中主要研究了均值漂移算法在红外目标跟踪当中的应用,并研究了算法在红外目标跟踪实际使用场景中存在的弊端与不足进行算法的改进优化。本文首先介绍了均值漂移(Mean Shift)算法的基本原理,经典算法在红外图像序列跟踪中的实现方法。通过使用经典算法对几组红外目标图像序列实验,我们能够发现均值漂移算法应用于尺寸发生变化或者被一定程度遮挡情况下的目标跟踪场景中效果并不好,但均值漂移算法具有运算量很小的优异性能,在目标跟踪的问题上能够达到很好的实时性。其次,在通过研究知道均值漂移算法应用于红外图像序列时的一些缺点后,文中使用亮度-距离空间下的红外目标表征和灰度似然比加权核直方图表征方式来改进红外目标的描述,随后对经典算法优化使之能够成功地跟踪目标尺寸发生增减的红外目标跟踪问题。通过实验发现,改进后算法能够进行模板更新,能很准确地跟踪到尺寸变化的目标,但是在目标快速移动或者发生复杂姿态变化时跟踪效果就不理想。在文章的最后一章中,简单阐述粒子滤波理论以及在红外目标跟踪的应用,通过两组实验证明了粒子滤波跟踪的抗遮挡能力以及粒子滤波的粒子束与运算时间的关系。由于粒子滤波能够很好解决非线性、非高斯问题,文中采用了一种融合了均值漂移方法与粒子滤波方法的红外目标跟踪算法,经过几组不同的实验知道,该融合算法针对红外目标跟踪问题有很好的准确性和稳健性。