现代战争中制胜的关键是看哪方能尽早发现敌方威胁，相比早期雷达探测系统的主动跟踪方式，红外探测系统的被动跟踪方式在军事领域中应用更为广泛，但是红外探测系统所获得的含有弱小目标的灰度图像往往带来观测非线性、图像信噪比低等问题，这给弱小目标的检测与跟踪带来了严峻挑战。本文研究的主要目的就是为解决复杂背景下的红外弱小目标的检测与跟踪问题提供一种有效方法。检测前跟踪算法先对含有噪声的所有可疑目标进行跟踪，利用噪声不相关性，通过时间上的连续滤波剔除虚假目标，最终达到对弱小目标检测与跟踪的目的。本文采用适用于非线性系统的粒子滤波算法来实现对红外弱小目标的检测前跟踪，并针对目标模型特点，对算法加以改进，减轻算法的复杂度，提高跟踪精度。本文在引入贝叶斯理论和蒙特卡罗方法的基础上，对粒子滤波算法的基本理论加以研究，并对其存在的问题和改进方法加以讨论，然后将粒子滤波算法应用于强非线性、非高斯噪声模型中，证明该算法是一种解决非线性、非高斯系统状态估计问题的有效方法。在此基础上，针对目标跟踪模型往往包含线性、非线性状态向量，应用了一种边缘化粒子滤波算法，用最优卡尔曼滤波估计线性状态，用粒子滤波估计非线性状态，降低算法的复杂度，提高了估计精度。同时引入MCMC移动步骤缓解粒子退化问题，并对减小算法的计算量提出样本数自适应调整，纯角度目标跟踪的仿真结果表明改进算法的有效性。随后研究了基于粒子滤波的检测前跟踪算法，建立虚拟的红外仿真场景，在不同条件下对PF-TBD、MPF-TBD、MPF-MCMC-TBD和AMPF-MCMC-TBD四种算法的检测跟踪性能进行对比，最后将这些算法应用到已用灰度形态学Top-hat变换抑制背景噪声后的32帧红外视频图像中，比较算法的跟踪精度和算法实时性，结果证明AMPF-MCMC-TBD算法综合来看性能最好。