行人检测与跟踪技术不仅在交通控制、交通监控、智能车辅助系统开发方面意义重大,而且在银行、超市、博物馆、车站、停车场、军事禁区等场所的视频监控领域也可以得到广泛的应用。通过红外摄像仪对目标环境进行监控,具有一定的穿透能力,受烟、雾、雨、雪的影响较小,可以实现全天候、远距离观测。因此,开展红外视频序列中的行人目标检测与跟踪方法的研究,具有重要的的理论和现实意义,并且具有潜在的经济价值和广泛的应用前景。本文以红外视频图像序列中的行人为研究对象,进行了红外行人目标的检测与跟踪方法的研究。论文的主要研究内容包括以下几点：(1)介绍了红外图像预处理的基本知识,通过分析红外图像及其噪声的特点,讨论了红外图像滤波技术,并概述了常用的图像分割方法。(2)对传统的红外行人检测方法进行了概述,考虑到背景差分法在背景图像变化时无法自适应；帧间差分法在行人目标运动过快或者背景变化频率较高时会出现较多的伪目标点或空洞等的缺点,本文将这两种方法进行融合来对红外图像进行差分；并采用循环迭代阈值算法对差分图像进行阈值分割；最后结合基于简单特征的判别方法对目标区域进行检测识别。(3)概述了传统的红外运动行人跟踪方法,在行人检测识别的基础上,本文在目标特征的选取上改进了传统的粒子滤波跟踪方法。对灰度特征信息结合空间位置信息进行加权计算,并且通过图像差分提取目标的运动特征,将两种特征共同用来建立状态观测模型,融合进经典的粒子滤波跟踪框架。为了使采样粒子收敛到靠近目标真实状态的区域内,本文还将均值移位算法嵌入到粒子滤波跟踪框架中。(4)本文通过多组实验,.分别对图像的滤波去噪、差分检测、阈值分割、目标识别和行人目标跟踪进行了仿真对比分析,结果表明本文研究的改进算法能较好的检测出行人,并能在多种情况下都能很好的跟踪目标,具有较好的鲁棒性。综上所述,本论文对红外视频序列中的行人目标检测与跟踪方法进行了深入的研究,并通过仿真实验对比表明本文改进的算法有较好的检测与跟踪效果。