随着计算机科学技术的进步、体育运动的普及和发展,人工智能、大数据等计算机技术越来越多的应用于体育行业当中,在体育赛事、体育场馆中计算机和数字化技术发挥着越来越重要的作用。2022年冬奥会将在北京举行,奥组委达成共识将研发智能冰壶机器人在冬奥会冰壶比赛期间进行展示互动。冰壶机器人将人工智能技术与冰雪运动相结合,是我国计算机科技水平和体育运动水平的集中体现。本文依托2022北京冬奥及龙江冰雪产业的智能冰壶机器人项目,对冰壶机器人检测与跟踪系统进行了研究。首先,采集了大量真实的冰壶运动图像序列,构建了一个冰壶的多目标跟踪数据集为后续工作开展、算法研究提供了基本的数据支持。介绍了两种基于视觉的多目标检测跟踪方法分别是Deep Sort方法和Fair MOT方法。Deep Sort方法将目标检测和特征提取作为算法的两部分分别使用两个神经网络进行计算;而在Fair MOT方法中训练了一个多任务模型,同时进行目标检测和特征提取任务。使用这两种方法在所构建的数据集上进行了实验,分析了基于视觉的检测跟踪方法应用于冰壶跟踪任务中的优缺点。然后,针对冰壶外观相似且运动过程中存在碰撞、遮挡的特点,提出了基于运动过程的点目标跟踪方法。使用模拟器对冰壶运动轨迹进行了仿真,生成了大量冰壶运动轨迹。通过分析冰壶运动的特点,设计并实现了基于卷积结构的Simi Net-CNN模型和基于长短期记忆结构的Simi Net-LSTM模型,两种神经网络模型在时间维度上进行特征提取和相似度计算,进而对冰壶运动轨迹进行跟踪。两种网络模型在仿真轨迹测试样本上取得了良好的表现。最后设计了冰壶机器人检测与跟踪系统,包括硬件平台和软件系统两部分。同时提出了一种基于射影变换、适用于冰壶机器人的冰壶位置结算方法,实现了冰壶像素位置到实际冰壶赛道位置的转换。结合基于视觉的检测跟踪方法和基于运动过程的跟踪方法,设计了一种多特征结合的跟踪算法,克服了冰壶运动中碰撞、遮挡和外观相似的问题,降低了跟踪过程中ID切换的次数,提高了跟踪准确度。