目标跟踪是计算机视觉的一个重要分支,在现代科技社会建设中起着举足轻重的作用,而红外场景下的目标跟踪常常应用在军事场景中,利用红外探测技术可以提前发现并锁定敌人的军事目标。本论文中的多目标密集场景下的红外成像视觉跟踪技术,要求对多个红外目标进行跟踪,且目标往往呈现为红外弱小状态,缺乏显著的颜色、纹理以及形状特征,而在跟踪中目标特征的提取十分关键,因此弱小目标的特征表示是小目标跟踪中的一大难题。另一方面,由于同时跟踪的目标较多,当目标的轨迹发生交叉时,需要保证跟踪轨迹的稳定性。本文主要的研究内容如下:（1）研究了常用的目标跟踪和轨迹关联算法基础理论。首先从本质上阐述了红外成像的原理及特性,然后介绍了相关滤波跟踪算法基础,以及孪生神经网络算法;最后关于轨迹关联介绍了卡尔曼滤波和循环神经网络两种预测算法。（2）提出了一种基于多特征的相关滤波多目标跟踪算法。为了跟踪的性能与效果选用了相关滤波跟踪框架,在此模板上对算法的特征提取步骤进行针对性改进,接着将卡尔曼滤波用于多目标的轨迹关联,一方面防止目标运动过快,另一方面结合匈牙利匹配算法有效防止了目标跟踪过程中发生身份交换,最终的算法能在稳定跟踪目标的同时在一定程度上防止目标轨迹发生交换。（3）提出了一种结合孪生神经跟踪网络和长短期记忆网络的多目标跟踪方法。首先针对孪生神经网络设计轻量化主干网络代替原来的主干网络,此外利用长短期记忆网络进行轨迹预测,通过模型的建模、数据集构建和模型训练与调整,相比卡尔曼滤波具有非线性功能,最后利用匈牙利匹配进行数据间的关联,通过实验也证明了该算法的可行性。