机器人技术是一门涉及机器视觉、环境信息感知、运动学控制等多个领域的科学。机器视觉使用视觉传感器和计算机来代替人眼和大脑感知和理解环境;机器视觉在很多领域有广泛的应用前景,人机交互、视觉导航、智能交通、运动分析等,在对运动目标跟踪方面也是一个重要的研究方向。本文的主要工作是研究迎宾机器人视觉跟踪过程中的运动目标检测与跟踪算法,并在基于ROS(Robot Operating System)的迎宾机器人平台上对跟踪算法进行验证。本文研究的主要内容有:(1)、研究应用于迎宾机器人跟踪任务的目标检测算法。本文对目标检测的HOG特征算法、Haar特征算法以及LBP特征算法做了详细的介绍,对DPM算法的实现做了详细的原理介绍并对其进行改进。改进后的算法和原算法以及ACF算法、YOLO对比,结果显示改进后的算法速度比原算法快了四倍,在准确率与召回率上下降不多,比YOLO算法略差,但由于迎宾服务机器人底层架构是嵌入式系统,处理能力有限,所以本文舍弃YOLO算法使用的是改进后的DPM算法。(2)、对长时间目标跟踪LCT(Long-term Correlation Tracking)算法展开研究。该算法有三个部分:跟踪滤波部分、检测器部分、学习器部分。LCT算法跟踪部分使用基于岭回归的滤波算法,在跟踪目标发生快速移动、形变等情况时不能对其进行理想的跟踪,所以本文利用主成分分析的PCA降维方法减少FFT的计算,降低了计算量,提升了跟踪速度而且在目标形变和快速移动时跟踪失败的问题也有了改善,对改进算法在数据集上进行验证。(3)、搭建迎宾机器人目标跟踪实验系统。首先介绍所使用的迎宾机器人平台的构成和运动学模型;接着对DPM加速改进算法和改进的LCT算法在基于ROS的机器人操作系统上进行验证。由实验可以得到,当跟踪目标发生快速移动、形变等情况时,改进后的算法都可实现预期的跟踪。本课题研究了迎宾机器人视觉跟踪过程中运动目标的识别与跟踪。本文的创新点有:把消耗计算资源较少的DPM算法运用到实时性要求较高的迎宾机器人领域;在LCT目标跟踪算法中的跟踪滤波部分,使用PCA降维方法加快在构建HOG金字塔时的计算,改进算法在快速移动以及形变等情况下均能实现理想的跟踪。