目标跟踪是计算机视觉领域的基本问题，在视频监控，人机交互与移动机器人视觉感知等场景中都有广泛应用。双目立体视觉可以提供场景的深度信息，在目标跟踪问题中可有效区分背景与目标，相比于传统的单相机目标跟踪更有优势。以视觉目标跟踪为基础的移动机器人动态目标跟随技术，可以作为服务机器人的一项基础功能，为其他功能提供支持，进而为人口日益老龄化的中国社会提供多方位服务。　　本文在研究传统视觉目标跟踪算法的基础上，重点对目标的特征表达、单目标跟踪、双目立体视觉跟踪等问题进行了研究，并将其应用于移动机器人平台的目标跟随上。具体而言，本文的研究工作可以总结为如下几个方面。　　在目标的特征表达方面，本文以SIFT特征与HOG特征为例，分别介绍了点特征提取与区域特征提取的一般原理和方法，并对两种特征各自适合的应用领域作出了说明。　　在单目标视觉跟踪方面，本文在经典KCF目标跟踪算法的基础上，提出了一种融合尺度预测的目标跟踪方法KCFSE。该算法通过使用两种更新策略不同的岭回归模型，同时实现对于目标的位置跟踪与尺度跟踪。　　在双目视觉目标跟踪方面，本文通过分析汇聚式双目成像系统的成像模型与零视差滤波器ZDF，提出了一种融合左右视图目标模型的双目视觉目标跟踪策略。通过在左右视图中同时实现对目标的跟踪，可以实时获取目标的视差信息，进而为后续的运动控制提供决策支持。　　在移动机器人运动控制方面，本文针对实验室移动机器人平台R1的开放运动接口，与基于双目视觉的目标跟踪方法所能获取的目标信息，提出了一种移动机器人平台的运动跟随策略。　　实验结果表明，本文提出的KCFSE算法在应对目标的尺度变化时比经典KCF算法与其他典型目标跟踪算法具有更好的性能。将KCFSE算法应用于双目视觉目标跟踪与移动机器人目标跟随后，体现了良好的实时性与跟随效果。