無人機技術隨著現代科學技術的發展也日漸成熟，它參與了民用領域中的諸多行業，具備高效率、低成本、大產出等優勢。與此同時，無人機對空域的安全也造成了嚴重的威脅，所以各國也開始研發各自的反無人機系統。將紅外成像技術應用到反無人機系統中，不僅具有抗干擾、隱蔽性好和適應天候能力強等優點，而且價格和維護成本也相對低廉。紅外反無人機系統也存在著許多難點問題，如何盡早的發現無人機，如何更快的跟蹤無人機就是其中的難點問題。這便需要我們來盡可能的加強無人機的檢測距離。因為距離的原因，無人機目標在圖像中的表現形式非常小，再加上外部的噪聲和背景雜波的影響，這對我們能否順利檢測到無人機以及跟蹤無人機造成--定的困難。怎樣才能實現對無人機快速準確的檢測和跟蹤，這是很重要的一項研究。本文就是對無人機檢測和跟蹤中所用到的技術進行研究，接下來介紹本文的有關研究內容。

　　對于圖像的預處理，本文研究了無人機的結構組成及紅外成像特性。對實測的紅外無人機圖像進行了分析，通過實驗分析得到一種較為實用的預處理方法;在紅外無人機目標檢測方面，本文分別對DBT和TBD兩類算法進行了研究，并在易于工程上實現的DBT算法中提出了一種基于動態閾值的CFAR多幀關聯檢測方法，該方法能夠有效地提高單幀圖像目標檢測率和降低虛警率;在紅外無人機目標跟蹤方面，本文將基于隨機有限集的伯努利濾波算法應用到紅外無人機目標跟蹤，通過實驗證明標記多伯努利算法能夠穩定跟蹤多個指定的目標，并且能夠通過標簽將各個目標很好地區分;在無人機群目標跟蹤方面，本文采用基于聚類的LMB群目標跟蹤算法，避免了直接使用LMB算法對無人機群目標跟蹤產生的軌跡交叉混亂和群內目標個數估計誤差較大等問題，實現了對單群目標中心穩定跟蹤;最后，針對多群交叉產生聚類中心不穩定的問題，本文采用了二次聚類方法，能為LMB跟蹤算法提供更可靠的群內小中心，合并小中心軌跡后，便可得到群目標中心軌跡。通過實驗證明，該方法能夠解決群目標交叉時聚類中心不穩定導致目標丟失的問題。