人体检测与跟踪技术是机器视觉领域的重要问题之一，它广泛应用于智能监控系统、智能交通、人体行为识别等领域。虽然相关研究已有数十年的历史，但这个问题目前仍然是计算机视觉、模式识别，特别是机器人领域的一个研究热点。近年来随着移动机器人人体检测与跟踪技术在服务机器人、反恐机器人等领域的广泛应用和发展，它逐渐成为计算机视觉领域中最为前沿的研究方向之一。　　为有效解决人体运动姿态变化时的人体检测问题，提高室内环境移动机器人跟踪的实时性和鲁棒性，本文提出了一种基于立体视觉与EKF滤波算法的移动机器人人体检测与跟踪方法，并开发了可视化的图形用户界面，最终在安装有立体相机的Pioneer3-DX机器人平台上进行了实验验证。主要工作有如下几方面：　　(1)基于头肩轮廓线胡矩的人体检测方法　　人体目标具有强烈的非刚性特点，很难用一种模型去描述。由于人肩部以上区域形状基本稳定，不容易被遮挡；以及胡矩对区域形状具有尺度、平移、旋转不变性的特点，本论文提出了基于头肩轮廓线胡矩的人体检测方法。首先，考虑到深度图像对光照变化具有较强的鲁棒性，通过立体匹配算法计算场景深度图像；其次，在检测初始阶段，根据立体视觉传感器模型、人机运动关系与人体高度的相对不变性，初始化ROI；在运动过程中，利用与跟踪过程建立的数据关联来预测人体深度ROI，从而缩小搜索范围，提高检测精度和速度；最后，针对机器人控制对实时性要求较高的特点以及人体运动过程中的姿态变化问题，采用头肩轮廓线胡矩进行人体检测，实机实验验证了算法的有效性。　　(2)基于扩展卡尔曼滤波的人体三维位置跟踪　　针对立体视觉精度较低和环境变化会导致的间歇性的人体检测失败，提出了基于扩展卡尔曼滤波算法的人体三维位置跟踪方法。一方面扩展卡尔曼滤波器根据上一状态的人体三维位置估计值和当前状态的人体三维观测值推算当前状态的后验估计，相对于传感器的测量，后验估计更为精确，改善了检测精度；另一方面对于间歇性检测失败时的观测缺失现象，扩展卡尔曼滤波器利用当前状态对下一时刻的人体三维位置进行预测，将状态预测量作为后验估计，确保跟踪过程的连续性，同时将三维预测位置投影得到预测深度，辅助检测ROI的分割。　　(3)基于三维空间位置的智能变速控制　　利用人体与机器人的相对位置信息，以TCP/IP通信方式对机器人进行智能变速控制。服务器端将推算的控制信号发送到移动机器人，控制移动机器人跟踪人体；同时机器人在行进过程中将自身的位姿上传到服务器端，经过坐标转换得到人体的二维全局运动轨迹，实现人体定位与轨迹跟踪。　　(4)可视化图形用户界面的开发与实现　　本研究开发了人体检测与跟踪系统的可视化图形用户界面，操作者可通过该界面远程控制人体检测跟踪过程，监视人体检测跟踪状态，调整参数以及观察人体检测跟踪结果，同时机器人可以将自身的位置信息及其运动信息反馈给操作者，保证远程任务顺利完成。　　应用上述的人体检测与跟踪算法，在Pioneer3-DX机器人平台上进行了实验验证，实验结果表明，头肩轮廓线胡矩特征对多姿态人体检测具有良好的适应性，保证了检测的精度和实时效果；扩展卡尔曼滤波有效改善了机器人人体跟踪的精度，增强了跟踪的鲁棒性。