可见光目标检测方法在夜间情况下效果不佳,而主动红外成像则是通过其自身发射的红外光线经由目标反射后成像,在光照情况条件不佳的情况下仍可以获取目标的成像。随着车辆规模的不断加大,无论是在军用还是民用情况,对车辆目标的管控都是必要的。主动红外摄像机携带与安装较为便捷,且在选择安装位置时受限制情况较少,灵活性高,本文将对基于主动红外安防摄像机的车辆跟踪与识别技术进行研究。本文在跟踪阶段提出基于图像准则的粒子滤波算法,首先对图像进行预处理,增强图像;再引入图像准则并结合多帧信息对粒子滤波的状态方程予以改良,在保证以目标帧间变化为基础的前提下将图像信息更多的结合在状态方程中,提高算法的抗干扰能力;在重采样阶段利用粒子权值设定阈值,在保留原始大权重粒子的基础上引入受小权重粒子影响的新粒子,既可抑制粒子权重过于集中,又可保证粒子的多样性。通过实验验证,本文提出的算法在精确性与抗干扰性方面与传统粒子滤波方法相比有较大提升。在车辆目标识别阶段,首先利用主动红外安防摄像机实地采集大量图片,选取其中的样本构建样本库,本文构建的样本库中包含车辆目标及与车辆目标无关的样本;再分析车辆目标的Hu矩与傅里叶特征,并利用SVM支持向量机(Support Vector Machines,SVM)对红外目标进行分类;简化了非极大值抑制(Non-Maximum Suppression,NMS)的计算过程,提出基于快速NMS的Faster R-CNN方法,改变锚点偏移量计算方法,提升获取目标最终区域的速度。通过实验分析,可以正确完成图像的分类过程,并可应用于跟踪过程中所拍摄的动态车辆目标。