随着红外传感器成本降低,基于红外成像设备的智能监控系统越来越普及。智能监控系统的主要功能有检测、跟踪、识别、行为理解等。其中,目标检测跟踪作为系统前端功能的重要技术,由于地面环境的复杂性和行人目标的多变性,红外图像中行人目标的检测跟踪仍然存在挑战。本文主要从以下几个方面进行研究:针对红外图像本身特点,分别对红外图像目标特性、背景特性以及噪声特性进行研究,为下文图像处理、行人目标检测和跟踪提供了理论依据。针对红外图像预处理,在图像噪声抑制方面研究了非均匀性校正算法,重点研究了场景校正方法中的最小均方误差法和恒定统计法。针对校正中的鬼影现象,提出了一种基于恒定统计的自适应均值滤波校正算法,将各探测单元的均值和偏差用参数修正的均值滤波表示,通过方差估计的方法选择最优的修正参数,实验表明该算法能够有效抑制鬼影现象。针对红外图像行人检测问题,首先本文在分析常用方法基础上,重点研究了基于混合高斯模型的候选区域提取方法。针对该方法在高斯函数一定时,学习速率恒定,可能导致的背景更新缓慢问题。本文提出了一种基于运动历史图像和混合高斯模型相结合的方法,该方法可以动态调整更新速率,使得背景模型适应性更强,实验表明该算法取得了良好的目标提取结果。其次对得到候选区域利用全局到局部思想,完成目标特征表示。最后利用SVM训练分类器完成行人分类识别。通过对不同场景实验,结果表明能够有效地检测行人目标。针对红外图像行人跟踪问题,本文首先研究了粒子滤波理论。在之前章节基础上,利用局部特征(HOG和LDP)构建目标观测模型,采用一种基于巴氏系数的模型加权融合方法以及目标模型更新算法。最终建立了基于自适应多特征融合的粒子滤波红外行人目标跟踪框架实现目标跟踪。结果表明本文算法能够有效跟踪目标,对于一定遮挡粘连情况算法鲁棒性较强。