中国空间站将于2022年前后建成,未来空间站的长期在轨运营、复杂科学实验的开展将主要依赖航天员来完成。载人飞行成本高、在轨驻留航天员人数有限,实现航天员工作效率提升,充分利用宝贵的在轨时间开展更多有价值的空间任务,对载人航天活动意义重大。为辅助空间站舱内航天员工作、提升航天员工作效率,本文提出了一款智能的舱内航天员跟随辅助机器人。该机器人能够智能地跟随所服务的航天员并与其进行交互,代替或辅助航天员完成一些简单、耗时的日常工作,如视频拍摄、数据查询等。航天员位置检测与运动跟踪,是辅助机器人实现航天员跟随、智能人机交互的前提。本文基于深度学习方法,提出了不同应用场景下的航天员智能检测与跟踪算法,并实现了算法于嵌入式上的实时、在线部署,满足了工程应用需求。首先,通过对空间站舱内环境以及航天员舱内活动的特点进行分析,提出了航天员检测与跟踪问题的科学描述,即结构化环境中具有相似视觉特征确定对象集的成员位置检测与运动跟踪。给出了相关科学概念的定义,并对问题难点和关键技术进行了分析描述。其次,针对舱内行走或单人作业任务场景下的航天员检测与跟踪,设计了基于回归方法的乘员位置检测深度卷积神经网络,构建了训练和测试数据集,完成网络训练、验证,实现了对姿态任意、穿着多样乘员人体的稳定、准确检测。基于融合的彩色和深度图像,获取了乘员人体空间位置信息,构建了乘员运动预测的概率模型,实现了对指定乘员的稳定、准确跟踪。再次,针对舱内多人作业任务场景下的多目标乘员检测与跟踪,利用乘员头部特征,设计了基于回归方法的乘员头部检测深度卷积神经网络,构建了训练和测试数据集,完成网络训练、验证,实现了对乘员头部的稳定、准确检测。同样基于融合的彩色和深度图像,获取了乘员头部的空间位置信息,构建了多目标跟踪算法,实现了对多个乘员的稳定、准确跟踪。最后,考虑到嵌入式实时、在线应用需求,我们对深度学习网络结构进行了轻量优化设计、对深度学习网络推理计算过程进行了优化。乘员位置检测网络、乘员头部检测网络可在嵌入式平台Jetson TX2上分别以42fps和33fps速度实时运行。完成了两种应用场景下的乘员运动跟踪算法实时、在线实现,基于全向运动平台构建了在线乘员运动跟踪实验系统,并通过实验验证了算法的有效性和工程实用性。论文的研究为舱内辅助机器人实现航天员智能检测与跟踪提供了方法有效、工程可行的解决方案,为辅助机器人实现航天员跟随飞行、智能人机交互奠定了重要基础。