自主机器人对运动目标检测与跟踪的实质是使机器人拥有类似于人类视觉的运动目标检测与跟踪能力,其技术核心是动态背景下的运动目标检测与跟踪。目前的动态背景下,运动目标检测与跟踪技术存在着检测精度低、跟踪不稳定的缺点。针对现有运动目标检测与跟踪算法的不足,本文对动态背景下运动目标检测及目标跟踪技术进行深入的研究。其主要创新工作如下:针对传统算法在动态背景条件下难以准确检测出运动目标的问题,本文提出一种基于显著性分析的运动目标检测算法。本算法在单帧图像超像素分割的基础上,根据边缘超像素点与中心超像素点的特征差异建立全局颜色差异图和空间位置差异图,同时利用序列图像建立混合动态纹理显著图,并将三种显著图进行融合得到运动目标初始显著图。而后运用元胞自动机的自动更新机制对初始显著图进行优化,最后通过局部阈值分割算法得到运动目标。经实验验证,本文算法具有较高的检测精度。针对目标跟踪算法在机器人应用中既要需满足实时性要求,又要应对目标快速运动及尺度变化的问题,本文选用实时性较高的KCF核相关滤波算法作为目标跟踪算法框架。首先将LAB颜色直方图与HOG梯度直方图进行自适应融合,提高目标特征表达能力。其次利用卡尔曼滤波预测目标状态,为KCF算法提供附加采样点,扩大其搜索范围。最后根据目标相邻帧之间的位移关系建立尺度池,完成目标尺度估计,从而提高KCF算法的检测精度。经过实验验证,本文算法精确度与成功率比KCF算法分别高出14.0%和11.4%。最后基于先检测后跟踪的策略完成对场景中运动目标的自主跟踪,并在NAO机器人上进行算法验证,实现机器人对运动目标的自主跟踪。