随着红外成像技术的发展，红外热像仪在越来越多的领域获得了广泛的应用。在夜间智能监控系统和夜间车辆辅助驾驶系统中，行人是主要的监控对象和检测目标；而且行人检测与跟踪目前也是计算机视觉领域备受关注的前沿方向和研究热点。因此，开展红外序列图像中的行人检测与跟踪技术的研究，具有重要的理论意义和广泛的实用价值。本文的主要研究内容包括以下几点。　　 首先分析了红外图像的特点，介绍了主要的运动目标检测方法，重点研究了背景生成算法。针对红外图像信噪比低、对比度低等特点，提出使用三维中值滤波来建立背景模型。使用图像差分法获得差分图像，接着对差分图像进行增强;研究了主要的阈值分割算法，并使用Ostu方法进行阈值分割，获得二值图像，然后利用数学形态学方法去噪；对最终所得二值图像进行标记，获得了感兴趣目标区域(Regions of Interest，ROIs)。　　 通过对常用的目标形状描述方法的分析，重点研究了傅立叶描述子的原理和一些重要性质。针对红外图像获取了感兴趣区域的傅立叶描述子，实现对运动目标的形状描述。　　 基于BP神经网络，设计了行人检测分类器，对采集到的感兴趣区域样本进行了分类识别。实验结果表明，本文所设计的BP神经网络分类器经过训练后，具有较高的识别率和较低的虚警率，可以较好地判别出目标区域是否为行人。　　 针对目前红外行人跟踪中存在的跟踪目标少、人工干预多、跟踪目标距离近、分辨率高等问题，通过分析图像序列中相邻帧之间运动区域的相互关系，提出了一种基于图像运动区域的多行人跟踪算法。使用实际采集到的红外视频进行算法测试，实验结果表明，该算法可以在远距离条件下，自动地实现多行人的跟踪，并且算法鲁棒性好。