针对热红外图像中目标缺少细节信息而导致跟踪精度不高的问题，提出一种基于位置感知的目标跟踪方法。首先使用深度空洞残差网络（D-ResNet）提取语义特征，鲁棒表征热红外目标；然后设计位置感知模块，有效感知目标在特征图上的空间位置，提高算法的定位精度；并引入通道注意力模块，在通道域上筛选特征图信息，抑制干扰信息；接着引入区域提取网络，完成目标分类和边框回归；最后使用RGBT234热红外序列对网络进行微调，确保网络能有效学习热红外目标信息。所提方法在VOT-TIR2019、GTOT数据集上分别获得75.3%和91.4%的准确率，速度为30 frame/s。实验结果表明：所提方法在热红外场景下能获得较高的跟踪精度，并能有效应对遮挡、相似物干扰、尺度变化等目标跟踪过程中的常见挑战。

针对传统的相关滤波算法在红外目标跟踪过程中, 目标被完全遮挡后跟踪失效的问题, 提出一种结合了多尺度滤波跟踪器和基于深度学习检测器的目标实时跟踪抗遮挡算法。首先使用跟踪器跟踪目标, 计算目标的峰值响应强度并比较峰值响应强度与经验阈值的大小以判断目标是否被遮挡或跟踪丢失。然后当目标被遮挡或跟踪丢失时, 停止更新跟踪器, 由于目标被遮挡后再次进入画面的位置可能会发生巨大变化, 并且跟踪器在整个图像中搜索目标的速度特别慢, 因此在不降低跟踪精度和速度的情况下, 后续帧中采用了检测器检测目标并得到多个目标框。利用检测器得到的目标框, 分别利用跟踪器进行相关滤波, 针对每个目标框得到一个峰值响应强度, 其中峰值响应强度最大且超过经验阈值的目标框即为重新进入画面的目标。通过与多尺度相关滤波算法比较, 所提算法在满足实时跟踪的情况下, 能有效地解决红外目标被遮挡的问题, 具有更高的鲁棒性和精确度。

核相关滤波(KCF)算法在跟踪过程中由于目标受到遮挡或者目标本身的形变、大小变化等问题容易丢失目标。针对以上问题对原算法做出如下改进: 一是加入检测模型响应值的方法作为判定目标是否丢失的依据，一旦判定目标丢失，模型就会暂停更新，增加采样窗口个数来扩大目标搜索范围，直至判定为重新定位目标; 二是加入一种自适应的多尺度搜索策略; 三是将原算法采用的方向梯度直方图(HOG)特征与图像灰度特征矢量融合作为新的样本特征。将原算法和改进算法用于实验采集的红外视频序列，定性地比较和分析跟踪效果，同时根据在OTB-2013中测试的跟踪精度做定量的评估。实验结果表明，改进算法的综合性能及应对目标受到遮挡、形变、大小变化等问题上的鲁棒性能均有提高。

红外目标跟踪在**和民用视频监控领域有重要的研究意义, 但受热成像原理限制, 红外目标分辨率低、对比度低、纹理信息缺失。针对红外目标特征信息量少导致跟踪性能较低的问题, 提出一种基于自适应响应融合的相关滤波跟踪算法。该算法基于连续卷积运算的相关滤波跟踪框架, 通过构造视觉显著性特征来增强目标外观描述, 并结合对冲决策理论对由不同特征计算得到的多个滤波响应进行自适应融合, 最终根据融合响应预测目标中心位置。此外, 通过尺度滤波器来实现目标的尺度预测, 得到完整的跟踪结果。在公开的红外视频数据集VOT-TIR2016进行测试, 实验结果表明: 与同类算法相比, 该算法表现出更高的跟踪精确度和鲁棒性。

针对红外目标分辨率低、对比度差、信噪比低、纹理信息缺失等特点, 提出一种融合多特征的红外目标跟踪算法。利用背景感知相关滤波器生成大量真实样本, 对红外目标提取HOG特征和运动特征, 通过线性求和方式进行特征融合, 更好地发挥各自特征优势, 实现对红外目标运动的精准跟踪。另外, 提出使用空间加权窗代替传统相关滤波器中的余弦窗, 可以更加突出目标的中心位置, 同时也能很好地抑制边缘效应。采用VOT-TIR 2016数据集对算法性能进行评估, 同时和15种流行算法进行比较。结果表明, 本文算法在精确度和成功率上的得分分别为0.751和0.697, 在精确度和成功率指标方面分别提高了8.8%和15.4%, 具有一定的研究价值。

针对目前弹载红外目标跟踪算法对快速机动目标适应性较差的问题，本文在现有模板跟踪算法的基础上提出了一种鲁棒普适的自适应更新策略。该策略利用多个不同学习因子的更新模型，通过对不同模型下的跟踪置信度进行分析，自适应地对模型进行更新，有效地解决跟踪过程中目标剧烈外观变化或微弱位移变化。大量的定性定量实验表明本文所提的算法的跟踪性能超过现有的大多数算法，在现有弹载红外目标跟踪板硬件余量有限的情况下也能实现稳定跟踪复杂背景下的目标。同时，本文算法已经在挂飞测试中获得较理想的效果，适合**装备的应用。

针对红外目标跟踪过程中目标纹理信息缺乏, 与背景灰度呈现强耦合性, 特别是在遮挡情况下目标特征信息链断裂, 特征信息无法延续的实际跟踪问题, 提出了基于显著特征空间的抗遮挡跟踪算法。首先通过分析红外目标特性, 利用多尺度显著性、对比度和信息熵等信息生成显著特征向量空间, 结合超像素特征距离和空间距离对区域进行聚类融合, 突出目标区域, 生成显著图。然后融合显著区域和原图, 生成多个目标候选区作为跟踪算法输入。最后通过目标的空间分布场矩阵对全局的候选区域进行匹配, 同时建立遮挡检测机制, 基于显著区连通区变化和特征相似度变化曲线对遮挡的起始进行判断, 结合遮挡判定设置模型更新策略。在不同红外测试集上的实验结果表明: 所提算法在遮挡情况下也能达到较好的跟踪效果, 有效增强了跟踪算法的鲁棒性。

复杂环境中稳健的红外目标跟踪在自主导航、无人机探测、预警等方面具有重要研究意义。就经典粒子滤波红外目标跟踪算法中单一的灰度特征缺乏鲁棒性引起跟踪失效的问题，提出了一种基于特征融合的粒子滤波红外目标跟踪算法。结果表明，该算法能够从跟踪鲁棒性、准确性和实时性 3个方面实现稳健的红外目标跟踪。

复杂地物背景下红外弱小目标的跟踪在红外监视系统中有重要的应用价值。提出了一种基于人眼视觉系统原理和多目标跟踪技术的弱小目标跟踪算法，实现了对复杂地物背景下红外弱小目标的跟踪。算法首先在图像中提取候选目标和各目标对应的目标区域，估计相邻帧图像之间的运动参数，对所有跟踪目标进行轨迹预测；然后融合多信息对当前帧目标与目标链中目标进行关联，根据关联结果对目标链进行更新；最后输出跟踪目标的位置坐标，实现对红外弱小目标的跟踪。用实测的图像序列对算法进行了测试，试验结果表明本文算法对树林、农田、建筑等复杂地物背景中弱小目标有较好的跟踪效果，可以用于红外监视系统中对复杂地物背景下低对比度弱小目标自动跟踪。

提出了一种基于目标能量的红外目标提取算法。这种算法利用目标相对角速度大于瞬时视场时图像会产生拖尾的现象, 采用能量叠加来增强目标与背景的信噪比,从而实现对信噪比小于或等于5的远距离红外空间目标的探测和跟踪。此算法运算量小,可在硬件上实现。实验表明,此算法能实时探测和跟踪距离不小于15 km的红外空间目标,且探测概率可达96%。