红外弱小目标跟踪是红外搜索跟踪系统的核心技术之一,深受学者们的关注,且算法研究十分具有挑战性。通过算法对超远距离、复杂背景中运动的目标进行探测和锁定,对轨迹进行关联分析,可以显著提升弱小目标探测率,降低虚警率,使军事系统提前做出预警。良好的目标检测算法是发现目标的基石,鲁棒的目标跟踪算法是得到准确运动路径的保障,精准的轨迹关联算法是判断目标的决定因素。本文以预警红外弱小目标序列为背景,对杂乱背景下红外弱小目标的跟踪与轨迹生成进行了深入研究,主要工作包括:（1）在多场景复杂环境中采集大量数据并进行标注处理,介绍了标准的数据集制作流程,提出了红外目标的标注规范。以真实红外卫星遥感图像作为背景,拟合多种非线性运动轨迹,使用各类真实目标形态,手工制作多目标图像。完成真实与人造数据相融合可用于目标检测跟踪算法的数据集制作,最终构建出共包含两万张图像、三万个目标的红外弱小目标数据集。（2）提出基于红外梯度向量场的两尺度通量密度特征,以高效的性能、简易的计算准确地将红外弱小目标从复杂背景及噪点中区分,在轨迹关联时将其用于特征余弦距离计算,既可以保证关联的效率,也可以取得较为准确的匹配能力。（3）通过研究深度学习理论近几年来在单目标跟踪领域取得的进展,分析如何高效利用深度卷积网络完成目标跟踪任务,提出将ResNet50所提取的多层特征信息进行纵向互相关操作算法,完成目标分类与定位任务。使用迁移学习方法训练出红外弱小目标跟踪算法,在OTB平台上取得精确率高达0.965、成功率0.611的成绩。（4）通过分析红外小目标数据特性、跟踪任务的特点和传统跟踪算法影响跟踪性能的原因,提出将传统特征与深度特征相结合,在长短期记忆网络中使用历史帧目标特征信息优化网络参数。将单目标跟踪算法作为预测模块嵌入轨迹关联算法中,通过二次关联弥补漏检目标,以实现降低检测虚警,捕捉目标、确定目标并跟踪至目标消失的需求。综上所述,本文算法可以有效完成预警任务的需求,对单目标跟踪算法与轨迹关联算法的研究均取得了一定的成果。在保证系统实时性的前提下,单目标跟踪算法在红外弱小目标数据集及公开的红外跟踪数据集中成绩均优于业界跟踪算法,有效解决了目标关联过程中轨迹中断的问题。在保证高效的探测率时,剔除检测算法的虚警,将原算法漏检概率降低五倍,取得了鲁棒的跟踪效果、准确的轨迹报告。