红外热成像技术通过物体主动发出的红外电磁波波段,根据物体表面温度的不同来感知不同目标与背景的差异进行成像。这种成像特征使红外目标检测系统具有对复杂环境的更强的适应性,适合在军工和航天领域进行远距离观察。海量的红外视频数据在天基外卫星红外对地探测器收集的数据中占有极大比例,随着红外对地探测器视频监控设备全时段的拍摄与记录,产生了海量的非结构化数据。研究对海量的红外视频数据进行挖掘,对非结构信息的存储与红外视频目标的预警分析有极大的帮助。本文分析了海量红外数据的特点,随后针对性地将海量视频处理的归为海量红外数据清洗,基于视频目标检测的目标提取目标多维度关联挖掘,与基于海量视频处理的大数据平台构建等方面,随后展开理论分析、方法研究与仿真验证等工作。本文的主要研究内容如下:（1）针对海量红外视频数据中存在大量冗余帧、突变帧的特点,提出基于对海量红外视频的数据清洗算法。首先研究了改良的视频空白帧与冗余帧清洗方法,在红外监控视频数据集与自制仿真数据集上进行检测,证明本文的数据清洗方法有效地减轻了视频的冗余度。（2）针对海量红外视频检测中传统检测方法检测速度慢,准确率低的问题,通过分析视频目标检测网络模型的优缺点,研究并设计一种基于3dcnn融合特征的关键帧提取算法,提出了改进的视频目标检测算法,经过对比实验,该方法能够有效提高红外视频中的目标检测准确率,m AP可达0.714。（3）基于文中上述流程的基础上,对红外海量视频中的目标通过提取目标的多维度手工特征,与深度特征,并通过分析进而使用基于多维特征的改进随机森林法对视频数据进行多维度关联挖掘。（4）针对海量红外视频数据量大,难以存储与计算速度无法满足实时性需要的问题,搭建分布式存储系统,使用HDFS进行存储管理,并设计基于Spark平台的分布式数据处理方法,设计红外视频特征提取过程中的数据并行化与训练模型并行化,从而实现本文算法的分布式部署;并设计基于QT的算法展示平台,对本文的算法进行可视化展示。