红外成像技术具有隐蔽性好、抗干扰性能强等优势，已经普遍应用在了军事和民用领域中。在实际应用中，由于目标距离红外成像系统较远，使得红外目标成像面积小、缺乏形状和纹理特征，导致目标的检测和跟踪非常困难，因而实现对红外小目标准确有效的检测与跟踪是一个重要且艰难的任务。　　本文针对红外小目标的独特成像特性，提出通过Tophat算子和改进的Robinson guard滤波器进行融合对红外图像进行预处理，再使用最小错误法阈值分割提取候选红外小目标区域。在提取候选红外小目标区域的基础上，本文提出了两种不同思路的检测红外小目标的方案，一种是基于传统的滤波思路的多滤波融合红外小目标检测算法，利用红外小目标的成像独特性结合Unger平滑滤波将真实红外小目标从候选区域中提取出来；一种是基于深度学习卷积神经网络ITNet的红外小目标检测算法，利用ITNet网络将真实红外小目标从候选目标中识别出来，当处理对象是红外视频序列时使用多目标关联滤波进一步剔除伪红外小目标，降低虚警率。基于管道滤波的思路提出利用小目标检测结果进行多目标数据关联跟踪，建立多目标数据关联矩阵进行多目标状态分析完成多目标跟踪任务。当小目标消失或者成像变弱未检测到时采用粒子滤波算法预测小目标的相关参数，在预测目标点邻域附近对局部图像区域利用单尺度Retinex算法增强后进行分割判断目标是否存在。　　将本文的检测与跟踪算法结合起来在多场景下与多种算法进行性能对比，实验结果表明本文提出的算法能在不同背景图像下达到很高的检测精度，即使当目标淹没于背景时也能将其跟踪并检测到。