随着现代科学技术的发展,无人机技术也日渐成熟,它在民用领域中的诸多行业得到应用,具备高效率、低成本、大产出等优势。与此同时,无人机对空域的安全也造成了严重的威胁,所以各国也开始研发各自的反无人机系统。将红外成像技术应用到反无人机系统中,不仅具有抗干扰、隐蔽性好和适应天候能力强等优点,而且价格和维护成本也相对低廉。由于成像距离远和成像面积小等因素,使得无人机红外图像中以点目标形式存在,而点目标很容易被噪声和背景杂波干扰,并且无人机在飞行时表现出了很强的机动性,这使得反无人机系统对无人机的检测和跟踪就比较困难了。特别是在多架无人机或无人机群同时出现在监测区域的极端情况下,对反无人机系统对目标的检测跟踪能力提出更高的要求。本文围绕反无人机系统中的红外目标检测跟踪相关技术进行研究。在图像预处理方面,本文研究了无人机的结构组成及红外成像特性,通过对实测的红外无人机图像进行实验分析,得到一种实用的图像预处理方法;在红外无人机目标检测方面,本文分别对DBT和TBD两类算法进行了研究,提出了一种基于动态阈值的CFAR多帧关联检测方法,该方法能够在低虚警率下有效地提高单帧图像目标检测率,并易于工程实现;在红外无人机目标跟踪方面,将基于随机有限集的伯努利滤波算法应用到红外无人机目标跟踪中,通过实验证明基于标记多伯努利的方法能够稳定跟踪多个指定的目标,并且能够通过标签将各个目标很好地区分;在无人机群目标跟踪方面,提出了一种基于聚类的群目标跟踪算法,避免了直接使用LMB算法对无人机群目标跟踪产生的轨迹交叉混乱和群内目标个数估计误差较大等问题,实现了对单群目标中心稳定跟踪,针对多群交叉产生聚类中心不稳定的问题,本文采用了二次聚类方法,能为LMB跟踪算法提供更可靠的群内小中心,合并小中心轨迹后,便可得到群目标中心轨迹。通过实验证明,该方法能够解决群目标交叉时聚类中心不稳定导致目标丢失的问题。