随着人工智能的飞速发展,基于计算机视觉的红外目标检测与跟踪技术在智能视频监控、火情分析救援、刑侦现场勘察、军事目标侦察等领域不断发挥着重要作用。为了稳定、高效地检测并跟踪红外目标,本文提出了基于人工免疫理论的红外目标检测与跟踪方法,并实现了红外目标检测与跟踪的一体化自主运行。具体研究内容如下:(1)阐述红外目标检测与跟踪技术研究意义、背景与现状,介绍生物免疫系统以及人工免疫系统的理论基础。对免疫遗传算法、免疫粒子群算法、混沌免疫算法、阴性选择算法四种经典人工免疫算法进行分析,并将以上算法用于红外目标检测,根据检测的实际效果分析算法的优势与不足。分析表明,阴性选择算法的检测性能具有可调节性,适用于分布检测,且对红外图像背景干扰的抑制能力较好,但检测器工作效率较低,检测性能有待改进。(2)针对红外目标成像面积小、信噪比低造成目标检测困难的问题,提出基于人工免疫理论的红外目标检测算法,从而提高检测精度。将可拓学理论与阴性选择算法相结合,构造可拓检测器提高了阴性选择算法的检测覆盖率,并结合红外视频序列自身特性分别设计了基于单帧红外图像与基于多帧红外图像的两种免疫初分割方式,使本文提出的红外目标检测算法具有更广泛的适用范围。(3)针对KCF跟踪算法尺度固定、抗遮挡性能差造成红外目标跟踪成功率低的问题,本文借鉴免疫系统中lnc RNA对病毒的抑制原理设计了红外图像背景约束机制。该机制的提出,能够有效改善视场内红外目标尺度变化及出现目标遮挡时的跟踪效果。实验结果表明,改进后的算法较原KCF算法在跟踪精度及稳定性方面具有明显的优势。(4)针对特定场景下红外目标检测跟踪一体化的实际需求,本文提出基于人工免疫理论的红外目标检测跟踪一体化方法。研究红外目标检测模块与跟踪模块的协同工作机制,实现了在红外目标非匀速遮挡运动等一些特定应用场景下检测与跟踪的自主协同运行。