在安全监控、人员搜救、辅助驾驶等方面，红外人体目标检测与跟踪具有不受外界环境影响、能够全天候工作的特点，但由于红外成像信息单一、低信噪比以及人体的非刚体特点限制了红外人体目标检测与跟踪的进一步发展。本文针对静止背景中多种情境下红外人体目标检测率低、跟踪不准确的问题进行研究，以提高目标的检测率和跟踪的鲁棒性。
　　通过对现有红外人体目标检测算法进行分析，得出三帧差分法具有计算量小、实时性好、适用目标运动较快的特点；背景差分法具有应用范围广、准确度高、适用目标运动较慢的特点。本文提出了一种将上述两种算法进行融合以实现任意速度下红外人体目标检测的方法。首先分别获取三帧差分法和基于GMM(Gaussian Mixture Model，GMM)的背景差分法检测的二值化图像，再借助逻辑运算进行融合，在每个连通区域中，若融合后的结果未与基于GMM的背景差分法的结果发生重合，则将其判定为伪目标并予以剔除。实验结果表明，与单一的三帧差法、背景差分法相比，本文提出的方法具有检测率高且不受运动目标速度限制的特点。
　　通过对现有红外人体目标跟踪算法进行分析，得出MeanShift算法和改进的帧间差分法均具有计算量小、实时性高等特点。本文针对MeanShift算法在跟踪过程中的偏差问题，提出了改进的MeanShift算法。首先确定含有目标的跟踪框，将其外三层区域划分为上、下、左、右四个部分，以每部分像素值与目标均值的大小关系判定是否重设初始跟踪框，再利用目标均值取代外三层像素值使其周围环绕相似的背景。从尺寸发生变化以及受高亮物体干扰情境下的效果图及误差曲线验证了改进的MeanShift算法的可行性，但是却无法自适应调节跟踪框甚至出现跟踪失败，考虑到融合其它算法并借助多种目标特征会引发计算量增大、实时性降低，针对此现状，本文选择不受目标特征限制的改进的帧间差分法，并添加自适应更新和模板像素点匹配部分。以目标模板为基准，首先对比与下一帧的高亮像素比值来判定尺寸变化；接着获取扩大和缩小同样倍数的当前帧，并对比两者的固定长宽比来更新跟踪框分量；最后取2次模板像素点匹配的最小方差值确定目标的真实位置。从尺寸发生变化、被树木遮挡或者高亮物体干扰情境下的效果图及误差曲线表明，本文算法较传统的MeanShift算法、改进的MeanShift算法、改进的帧间差分法鲁棒性、适应性、抗遮挡性都有大幅度的提升。
　　综上所述，本文所提的人体目标检测和跟踪算法在静止背景中多种情境下均取得了预期的效果，可以为后续实际应用奠定基础。