红外图像是热成像，不受黑暗和烟雾雨雪等恶劣天气的影响，能够看到人眼中无法看到的目标，具有全天候工作的特点，已经被广泛应用于军事侦察、监控和制导等领域。此外，红外图像在民用领域也有着非常广泛的应用前景，如视频监控，辅助车辆驾驶等。由于人体目标的活跃性和特殊性，对人体目标的检测与跟踪有着很大的经济价值和军事价值，所以开展基于红外图像的人体目标检测与跟踪技术研究十分必要。本文主要围绕红外人体目标检测和跟踪两方面展开研究。主要内容包括以下几点：1、对红外图像技术的成像原理进行分析，介绍红外人体目标检测与跟踪的各个环节和常见方法。2、在检测时，由于红外图像本身的特点和人体衣服穿着材质不同等原因，会造成人体目标某些部位的灰度值小于背景的灰度值，分割时无法完整地将人体目标分割出来，同时，红外图像的边缘纹理特征弱，运用边缘检测算法会导致目标破碎。运用传统的张量投票算法对红外人体破碎目标进行复原时，计算量大，运行时间长，不能满足红外行人检测的实时性要求。本文提出了改进的张量投票算法。实验仿真结果表明，改进的张量投票算法在保证复原效果不变的同时，减少了计算量，缩短了运行时间。3、在跟踪时，由于人体目标是非刚性物体，没有固定形状，运动随机性太大，即使同一人体目标在不同时刻下也可能呈现出不同的形状。运用传统的均值漂移算法对红外人体目标跟踪时，由于该算法的跟踪窗口尺寸大小固定且没有更新过程，无法准确跟踪不断变化的人体目标。本文在此基础之上，提出了改进的均值漂移算法。通过将第一帧中标志或识别出来的目标进行分割并计算出分割出来的目标面积，再应用均值漂移算法逐个对下一帧图像中的目标进行跟踪并进行分割计算面积。在一个跟踪周期内，通过分割平均面积来确定目标的尺寸变化情况，以此来更新核函数带宽。实验结果表明，改进的均值漂移算法能够很好地对大小不断变化的目标进行跟踪且核带宽能够自动更新。