近几年,随着信息技术的快速发展,尤其是计算技术和红外成像技术的飞速发展,红外多目标检测与跟踪技术在军事和民用中都起着更加重要的作用。尤其是在跟踪多目标时,在多目标被遮挡以及跟踪的实时性等问题成为研究的热点也是难点,存在着许多问题需要解决或改进。这些年以来,粒子滤波算法作为当代非线性滤波最为重要的一类滤波方法,已经取得了非常大的进步。首先,本文分析了经典粒子滤波算法的原理以及经典粒子滤波算法在红外多目标跟踪中的应用,并且对多目标跟踪的相关问题进行了数学建模。接下来在贝叶斯跟踪理论框架下分析讨论了该结构的优缺点。其次,描述了均值漂移算法的一些简单理论,然后提出了一种将均值漂移算法与粒子滤波跟踪算法相结合使用的红外目标跟踪方法。这种方法保持了均值漂移算法计算量小,并且具有很好的实时性的特点。通过均值漂移算法对粒子滤波中的粒子进行收敛,使每个粒子都具有更真实的目标特性,大大减少了描述目标状态所需要的粒子数目,并且提升了粒子的采样效率,提高了算法的实时性。通过几组实验证明,融合后的算法具有稳健的跟踪性能,并且节省了计算时间兼顾到了目标跟踪中的实时性要求。最后,本文研究了改进的粒子滤波多目标检测算法。介绍了一种常见的红外多目标检测算法;在分析其本身的优缺点基础上,提出一种基于权值优选的红外多目标检测算法,通过改进重采样方式,使得权值较大的粒子进入下一步跟踪而舍弃权值较小的粒子,提升了跟踪的准确性以及持久性。随后,在基于权值优选粒子滤波算法中引入了马尔可夫(Markov)随机场,用无向图模型来处理多目标跟踪时的数据关联问题,使得该算法可以对遮挡多目标进行跟踪,提高了目标被部分遮挡时的跟踪的有效性。本论文研究的改进粒子滤波算法在跟踪的实时性和抗遮挡方面较常见的粒子滤波算法有很大的改进,对多目标跟踪技术方面有一定的理论意义和应用价值。