自20世纪60年代末开始发展自动目标识别技术以来,红外成像自动目标识别一直是一个引人关注的研究领域,经过近40年的发展历程,自动目标识别领域从采用统计模式识别为主到基于模型的视觉和基于知识的系统,为了提高自动目标识别系统的自适应和学习能力,又将人工神经网络、支持矢量机及深度学习等技术应用于自动目标识别领域,众多的研究者认为他们所研究的方法能够显著地提升自动目标识别系统的性能,如倡导基于神经网络的研究者就曾认为采用神经网络技术途径能够克服基于统计模式识别的自动目标识别系统和基于知识的自动目标识别系统所遇到的问题,但到2000年代倡导支持矢量机的研究者又认为采用神经网络技术途径能够克服基于神经网络的自动目标识别系统的问题,近年来,又有众多的研究者把深度网络和深度学习看作能解决自动目标识别问题的有效技术途径,自动目标识别一直在向着提高智能化水平的方向发展.但由于自动目标识别系统所面临的目标、环境、任务使命始终在变化,战场环境的复杂化和目标特性的不确定性等给自动目标识别系统与技术的发展也带来了挑战,尽管自动目标识别系统智能化的概念已经提出多年,但现有的自动目标识别系统的发展仍然遭遇到智能化能力滞后的问题,对智能程度较高的复杂战场环境下的自动目标识别、决策等问题,仍然没有很好的解决,难以适应复杂多变的战场环境和激烈博弈的对抗条件下准确识别各类目标的需求.如何理解智能化对实现自动目标识别系统能力的阶跃式提升的意义,推进智能化技术在自动目标识别系统中的应用,是新一代自动目标识别系统的发展必须面对的问题.本文介绍了自动目标识别系统智能化的进程与现状,分析了当前自动目标识别系统智能化所面临的挑战,对自动目标识别系统智能化的发展给出了一些粗浅的看法.