基于红外传感器的图像跟踪技术在生活中用途广泛,实现实时稳定跟踪一直是研究的热门问题。本文针对红外图像跟踪中尺度变化和目标遮挡问题进行了研究,主要工作如下:研究分析了最小输出均方误差和算法,选用HOG特征替代灰度特征,对其进行了多维方向的扩展。在尺度变化方面,引入了尺度金字塔方法,同时改进了搜索方法,从而将跟踪器分成两部分,第一部分负责的确定目标在整个图像的位置,第二部分负责在确定的位置建立尺度金字塔搜索空间,并确定其最佳尺度。实验证明,本文的改进有效解决了目标的尺度变化问题。在长时间追踪和目标遮挡方面,本文结合TLD算法框架对MOSSE算法进行了相关改进。增加了目标检测模块和跟踪失败的判断机制,当判断算法跟踪失败时,启动目标检测模块,重新初始化目标。本文检测模块采用的是YOLOv2算法和MOSSE算法结合的级联检测方法。与MOSSE算法和其他常用算法进行了对比实验与结果分析,第一部分是目标跟踪算法的评价系统分析,包括了数据集和评价指标。第二部分是本算法与MOSSE算法的跟踪效果对比。第三部分是本算法与常用算法比较,结果表明本算法的跟踪准确度和鲁棒性与其他算法相比均有所提高。