随着人类逐渐从工业社会步入信息社会,信息化智能化的产品逐渐走进人们生活的方方面面。人口老龄化、人力成本的提高,使得社会对服务机器人的需求越来越迫切。行人检测与跟踪作为服务机器人的一项基本功能,在人机交互方面发挥着不可或缺的作用。然而,环境的复杂性和不确定性、光照的变化、行人之间的遮挡等问题使得服务机器人在进行行人检测与跟踪时仍然面临着诸多挑战。本文的研究目的就是为服务机器人设计并实现一个实时性高鲁棒性好的行人检测与跟踪系统,作为一项基本功能为服务机器人进行人机交互提供支撑,使得服务机器人能够更好的执行各种任务。为了达成此目标,本文详细了解并分析了行人检测与跟踪的各种技术和难点,并在此基础上做了如下工作：(1)鉴于人腿贴近地面具有稳定性,本文通过改造turtlebot机器人在其底部安装激光传感器,通过激光识别人腿来检测行人。为了提高人腿识别的准确率,本文通过分析人腿属性提出了10个特征用来描述激光片段,并且采用Adaboost算法实现人腿分类。在网上公开的两个数据集上,通过实验证明了本文所提方法具有很高的准确率和实时性。(2)提出了一种根据行人距离机器人远近,使用Kinect传感器丰富的颜色信息和深度信息,对远近两种情况分别处理的行人检测算法。在初始阶段对点云进行预处理,包括点云稀疏、地面检测、点云分类和点云聚类,使得行人检测的范围大幅缩小。针对较近的行人,将点云聚类体投影到深度图像空间,然后采用模板匹配的方法,匹配行人的上半身进行行人检测。针对较远的行人,将点云聚类体投影到RGB图像空间,使用GPU加速提取HOG特征,并采用SVM对行人进行检测分类。在检测的最后阶段,本文还采用了最近邻算法融合激光的检测结果和Kinect的检测结果,确定了行人在空间中的位置,提高了检测的准确性。(3)在行人跟踪阶段,本文提出了分层粒子滤波算法。在粗粒度空间中使用MCMC粒子滤波算法,在细粒度空间中使用SIR粒子滤波算法。SIR粒子滤波克服了基本粒子滤波中粒子退化的问题,而且速度快,因此在细粒度空间可以极快且准确的跟踪到行人。MCMC粒子滤波算法作为SIR粒子滤波的补充,解决了SIR粒子滤波粒子多样性缺失,跟踪目标数量变化时不能有效跟踪的问题,然而MCMC粒子滤波算法速度太慢,因此将MCMC粒子滤波算法作用于粗粒度空间。(4)基于深度图提出了洪泛滥跟踪模型,在行人的初始位置植入种子,然后在下一帧图像中从种子位置开始扩散直到所有包含行人的点都进入队列为止,再将跟踪到的行人中心位置置为种子,依次循环。该方法简单,而且运行速度极快。