目标检测与跟踪技术一直是军事领域研究的热点问题之一,随着相关理论研究的深入和红外成像技术的发展,这一领域有了新的突破。大多数目标检测与跟踪技术都是基于单视场图像进行研究,但是单视场图像无法同时兼顾大视场的检测与小视场的跟踪,故本文寻求新的思路,在双视场成像设备上对目标检测与跟踪技术进行研究。首先,借助双视场成像的优势,本文对目标检测与跟踪算法流程进行研究,双视场中,大视场先对目标进行检测,再把检测到的目标捕获至小视场中,最后通过小视场对目标进行跟踪。采用这种算法流程,提高了被检测目标的图像质量,更利于目标检测和跟踪算法的实施。接着,本文研究了深度神经网络YOLO系列目标检测算法,并对算法模型和网络架构进行研究改进。改进的算法在相同硬件条件下,比同类算法具有更快的检测速度,占用更少的计算资源,适合在需要实时检测的嵌入式设备上部署。在目标跟踪算法方面,本文研究了一种卡尔曼滤波与Mean-shift相结合的跟踪算法。最后,本文在Hi3559图像处理平台上,研究了视频图像的处理和算法的移植流程,基于海思MPP平台和NNIE处理器完成了相关软件设计,实现了实时稳定的目标检测与跟踪效果。