智能视频监控在近几十年来有了长足的发展，已被广泛应用于医学、天文、安全检查、视觉导航、军事指导等诸多生产与生活领域。随着红外成像设备的价格不断降低以及科学技术的不断进步，红外成像条件下的目标检测与跟踪愈发引起研究人员的关注。尤其是基于红外成像人体目标检测与跟踪已成为近年来视觉智能领域的热点。本文重点研究了红外图像中的人体目标检测与跟踪技术。在红外人体目标检测方面，首先对各种红外图像分割算法进行研究与归纳，并给出了相应的实验结果。然后主要对k均值聚类阈值选取分割算法进行研究分析并对其加以改进：本文通过推导k均值聚类阈值选取算法中的测度函数选取，该方法将测聚类中心值与理论中心值的偏移量作为测度函数，从而改善了图像分割效果。在目标跟踪方面，采用了基于粒子滤波的红外人体跟踪算法和融合粒子滤波和meanshift优点的红外人体目标跟踪算法。基于粒子滤波的红外人体检测算法首先利用人体目标在以人体目标区域中心为原点的各个圆环上的亮度统计信息构建亮度-距离空间下的人体特征表征模型，然后将其与粒子滤波相融合完成了红外人体目标的鲁棒性跟踪。为解决粒子滤波中所需粒子数和状态维数所引起的计算量增加甚至死机问题，又提出了融合粒子滤波和meanshift优点的红外人体目标跟踪算法。该方法把亮度距离空间下的人体目标灰度信息与人体目标的运动信息融合在一块，构建运动-亮距人体表征模型。然后把均值漂移算法融合到粒子滤波中用来重新分配随机粒子样本，使之向目标状态的最大后验概率密度方向移动。实验表明，该方法既能快速的完成红外人体目标的准确跟踪，又能排除光晕以及背景的干扰。