近几年，随着移动机器人在各领域中的广泛应用，人们对于其智能化程度以及与环境进行交互的自主性要求也越来越高，那么移动机器人在作业的过程中实时地获得感兴趣目标物体的形状、位置、姿态和速度等信息至关重要。目标跟踪技术可通过对感兴趣目标识别跟踪进而获取其相关的信息，其中因为视觉传感器获取的环境信息丰富、易于快速部署，所以基于视觉的目标跟踪方法受到广泛研究。然而移动机器人平台上复杂多变的环境对视觉跟踪方法的实时性和鲁棒性提出了更高的要求。本文深入研究适合搭载在移动机器人平台上的实时鲁棒的视觉目标跟踪方法，并实现基于视觉的移动机器人目标跟踪系统。本文的主要工作如下：
　　1．针对移动机器人运动过程中出现的遮挡和相似背景干扰问题，在快速判别尺度空间跟踪算法(fast discriminative scale space tracking，fDSST)的基础上引入跟踪结果评估标准对目标是否受到环境干扰进行判断，同时利用卡尔曼滤波设计运动目标位置估计方法对受到环境干扰的运动目标位置进行估计，解决了fDSST跟踪算法不能很好应对遮挡和相似背景干扰的问题，提升了跟踪算法的跟踪性能，其跟踪速度达到了33帧每秒。
　　2.针对移动机器人运动过程中出现的目标丢失问题，从视觉跟踪算法框架角度出发对第一个工作中的视觉跟踪算法进行改进，提出基于相关滤波的长时视觉跟踪算法。该算法引入了基于EdgeBoxes候选目标位置的目标丢失重定位机制，对于严重遮挡以及目标出入视野这样目标丢失情况下的目标进行重新定位，解决了卡尔曼滤波无法很好应对目标丢失后的运动随机性问题。算法采用不同的策略处理不同的环境干扰问题，当目标受到环境干扰时算法将首先采用运动目标位置估计方法对目标的位置进行预测，以此来过滤掉相似背景的干扰，只有当连续30帧的跟踪结果不可信的时候才启用目标重定位。同时算法还引入了高置信度跟踪结果评估标准，对目标的表观模型进行更为可靠的更新并保证重定位结果的准确，使得算法实时鲁棒且具有长时跟踪的能力。
　　3.基于视觉目标跟踪算法的研究工作，搭建基于视觉的移动机器人目标跟踪系统，基于真实场景在移动机器人平台上实现视觉跟踪算法的应用验证。将视觉跟踪算法实时获得的实际图像坐标和期望的图像坐标的误差作为跟踪控制的输入，利用基于图像的伺服跟随控制策略实现移动机器人的运动控制，进而实现视觉跟随。
　　本文针对移动机器人平台对于视觉跟踪方法提出的要求，在高效的相关滤波跟踪算法的基础上研究并引入跟踪结果评估标准，同时设计运动目标位置估计方法和目标丢失重定位机制以应对不同的环境干扰，以实时性为前提提升视觉跟踪方法的鲁棒性。最后本文设计并实现了基于视觉的移动机器人目标跟踪系统，在其上完成了视觉跟踪方法的验证，为基于视觉的移动机器人目标跟踪应用做出一定的基础研究工作。