近年来,目标跟踪领域的新技术不断出现。其中,动态目标跟踪是移动机器人领域的研究热点,从公共场所的治安监控、道路中对违章车辆的监控、自动驾驶车辆再到无人机对目标的跟踪,目标跟踪技术已经广泛应用于各个领域。然而,目前的动态目标跟踪技术依然存在一些关键问题。首先,用于监控领域的目标跟踪基本都通过固定形式的摄像机拍摄视频,即使能够在支架上旋转,单个摄像机能够观察的视野非常有限。其次,应用于机器人领域的动态目标跟踪,通常是搭载在轮式和履带式机器人上,但由于轮式、履带式机器人对于运动场景的限制,只能在单一场景下的动态目标进行跟踪,当动态目标在崎岖不平路面、楼梯等多场景下运动时,单一场景的限制使得动态目标容易丢失。再者,当目标出现快速运动、遮挡、尺度变化时,其特征会出现较大变化,导致目标跟踪难度大大增加。最后,当机器人在跟踪目标时,总会处于充满障碍物的环境下,一般的机器人并没有增加避障决策。由于足式机器人凭借其连杆结构,使得其能够在复杂地形环境下具有很好的适应性,其为多场景下的动态目标跟踪提供了可能。本文为解决上述问题,在四足机器人上搭载了云台系统和深度摄像机来实现对动态目标的跟踪。云台系统上搭载了长焦摄像头,负责对目标的细节进行观测和跟踪,通过调动云台系统去追踪目标,再获取云台与四足机器人本体转动的角度误差,引导四足机器人抵消该误差,使得目标在四足机器人的正前方。深度摄像机负责获取目标的深度信息和目标识别,得到四足机器人与目标的距离,再通过局部路径规划生成规避障碍的跟踪路径,进而精确的对目标进行跟踪。本文主要的研究内容如下:针对摄像头固定,导致观察视野有限问题。本文采用在云台系统搭载长焦摄像头来对目标进行锁定,长焦摄像头对目标进行细节观测,云台在-90度到90度范围对目标进行追踪,增大动态可观测范围。针对四足机器人对目标跟踪性能和实时性要求问题。本文采用实时性能高、跟踪性能较好的基于相关滤波的FDSST动态目标跟踪算法。研究其基本原理,分析其优缺点,并在OTB数据集上进行测试。针对FDSST算法不能应对目标快速运动和被遮挡时的跟踪问题。本文提出融合PSR和局部极大值来对遮挡和快速运动的处理,通过目标被遮挡和快速运动的程度来决定滤波器模板的学习率,进而改进滤波器模板的更新机制,提高目标跟踪的鲁棒性,并在OTB数据集上对改进的FDSST算法进行测试。针对四足机器人在目标跟踪应对障碍物碰撞的问题。本文采用基于状态空间采样的路径规划算法生成轨迹,根据四足机器人的约束条件,设计符合其约束的评价函数,包括障碍物评价函数,当前点距目标距离评价函数,轨迹曲率评价函数,四足机器人角度变化的评价函数,加速度导数评价函数。再对该算法在MATLAB平台上进行测试,得到符合条件的路径轨迹。