随着红外热成像技术的快速发展,红外成像技术在人体目标检测与跟踪中的应用与研究越来越成为现代智能视频监控以及夜间交通导航等诸多领域研究热点课题。红外独特的成像原理为克服光照变化敏感、夜间可视性差和工作时间受限等传统计算机视觉难点,实现昼夜高效作业提供了有利支持。红外图像具有较高抗干扰能力的同时也具有良好的可分割性。但红外成像也存在其自身的不足,如低分辨率、低信噪比及人体边缘轮廓不清晰等,以致人体运动目标在红外图像分析中效果不甚理想,增加了该领域研究工作的难度与挑战性。本文对红外图像序列中人体目标检测及跟踪技术进行了诸多研究工作,工作内容包括以下几点：首先,对红外图像进行预处理,针对红外图像颜色信息单一,纹理信息缺乏及低信噪比等问题,通过滤波的方法对红外图像进行了降噪与去噪处理,实现增强图像目的。讨论分析了常用滤波算法在红外图像中的滤波效果,总结出适合于红外图像特定场景下的预处理方法。其次,提出了一种基于高斯背景模型经帧差信息拟合修正的背景更新策略,通过高斯模型对背景图像各像素建立自适应性模型,与帧间差分处理获取的信息拟合修正,将背景选择性更新,原始图像与当前背景模型对应像素做差得到目标图像前景区域,经数学形态学方法滤除图像中噪声及面积较小非人体运动部分。实验效果表明该算法可准确检测出较复杂环境中红外人体目标,一定程度上解决了人体状态变化时的拖尾等问题。最后,提出了一种基于运动估计的红外人体跟踪方法,首先采用梯度方向—灰度直方图特征模型对红外图像中人体目标特征进行提取,该模型能较准确地描述目标特征。然后使用最大后验概率指标对待搜索区域进行目标匹配,该方法可很好的突显目标、抑制噪声干扰,并容易得到全局最优解。最后提出一种基于运动估计的新方法,即轨迹预测算法,对目标的运动轨迹进行较准确地估计。实验证明该方法不仅计算复杂度低,而且能够较好地解决目标交错、遮挡等问题。