红外人体目标的检测与跟踪具有重要的研究意义。由于红外图像是热成像,在黑暗和烟雾等环境中仍具有较强的视觉能力,具有可见光不可比拟的优点,因此在视频监控、自动车辆辅助驾驶等领域有巨大的应用价值。然而,由于红外图像无颜色信息,且信噪比低,因此红外图像中的人体检测跟踪极具有挑战性。红外人体目标的检测和跟踪技术,需要解决人体目标的特征提取与描述、分类识别,以及非刚体复杂目标的运动跟踪等问题。要面对的主要困难有：红外图像本身存在分辨率低,动态范围小等成像质量问题；红外图像是灰度图像,且成像模糊,纹理细节少；人体是非刚体目标,大小不一,姿态具有多变性等。本文基于对红外图像中人体目标成像特征的分析,在对现有红外及可见光人体目标检测跟踪方法研究后,提出了一套解决方案。本论文技术综合考虑红外图像中人体目标的检测与跟踪技术,在人体检测阶段,不仅实现人体目标和非人体目标的区分,而且将人体目标归分为两类,为目标跟踪提供依据。图像二值化技术部分,本文研究了基于二维最大熵的图像分割算法和Mean-Shift算法；然后,基于图像二值化的结果,实现候选区域确定；最后,利用SVM分类器实现对候选目标的两级分类检测,第一级采用亮度-距离联合直方图特征,实现人体和非人体目标的区分,第二级则采用不变矩特征将所有人体目标划分为两类,分别进行标识。在红外人体跟踪技术部分,本文提出了一种基于类似简单投票算法的对象跟踪方法。提取人体目标的区域质心特征、区域面积以及偏心率特征,并利用SVM二级分类检测得到的目标类型信息,采用投票的方法,综合四种特征,确定跟踪目标。