红外成像是依靠红外传感器的热成像性能来获取图像的，只取决于物体的温度和其所辐射的热量。相对于可见光成像，红外成像具有独特的夜视性能，可以在烟雾、光线不足的条件下获取目标信息。基于红外图像的目标跟踪技术在红外制导、侦察等军事领域以及视频监控、辅助驾驶等民用领域都发挥着重要的作用。人体目标作为环境中最主要、最活跃的因素，一直以来都是目标跟踪领域的研究热点，而人体目标的非刚体性，加之红外图像自身的缺点，使得基于红外图像的人体目标跟踪充满了困难与挑战。本课题是对红外视频人体目标智能跟踪技术的研究，旨在开发可行的、稳定的、具有鲁棒性的红外人体目标跟踪算法，并将跟踪算法融入云台的控制，最终实现系统对于人体目标的自动跟踪。在算法研究方面，首先，对基于红外图像的人体目标跟踪的特点与难点进行了深入分析，结合跟踪系统对于实时性的较高要求选择Mean Shift作为本次跟踪算法的理论基础，并分析了Mean Shift算法原理及其各项参数的设置；然后，针对Mean Shift算法的不足做出了改进，提出了边界约束的Mean Shift红外人体目标跟踪方法和Mean Shift与卡尔曼滤波结合的跟踪方法，前者通过各向异性扩散，并联合红外图像的梯度与亮度信息来获取目标边界，自适应调整核窗宽，从而利用均值漂移策略进行红外人体目标跟踪；后者利用卡尔曼滤波器预测目标位置，将预测位置作为Mean Shift迭代的起始点，解决了目标快速运动问题，并将Bhattacharyya系数作为目标遮挡的判定依据，提出了遮挡情况下的跟踪策略，另外，针对目标长时间隐藏问题提出了相应策略，实验表明该方法提高了跟踪算法的鲁棒性。在跟踪系统实现方面，首先，介绍了跟踪系统的硬件构成，由ThermoVisionA40红外热像仪、二维组合式云台以及PC机组成；接着，给出了跟踪系统的实现流程并对系统各个模块的功能进行了描述；然后，将跟踪算法融入云台的控制，给出了云台运动的控制策略，将图像区域进行划分，利用人体目标位置的所在区域来控制云台水平框和俯仰框的运动，以使目标保持在摄像机视野范围之内；最后，介绍了系统的软件设计，并通过实验对跟踪系统功能进行测试与验证。