遥操作机器人是一种远程控制机器人,它能够远距离的执行操作人员发出的行为指令。正是因为遥操作机器人的远程特性,常被应用在海底考察、航天工程、远程医疗等领域中。尤其在特殊或者陌生环境中,遥操作机器人的应用更加广泛。然而,在陌生环境中,人们对遥操作机器人的工作环境了解有限,在机器人作业过程中,由于自身携带导航设备侦察距离有限,难以及时发现前方恶劣路况,由此加大了操作人员对遥操作机器人的操控难度。因此本文开发基于机器视觉的自主跟踪系统,从空中来监视跟踪遥操作机器人。这样既能定位遥操作机器人的位置,又能将机器人周围环境及时反馈给操作人员,以便给机器人下达合适的指令。论文首先分析了基于AdaBoost算法的Haar级联分类器原理和特点,在理解分类算法的同时,建立对象为遥操作机器人的正样本库。通过学习训练的方法得到了用于识别遥操作机器人的级联分类器。该分类器可有效识别遥操作机器人。其次,在目标跟踪方面,对Meanshift算法和Camshift算法做出了理论分析。进而在理论的基础上分别对运用基于Meanshift算法和Camshift算法实现对目标的跟踪。并最终选择Camshift算法最为本课题的目标跟踪算法。最后,本文结合Haar级联分类器和Camshift算法来实现目标的自主跟踪。在此基础上,通过实验来实现自主跟踪算法。在两种不同的光照强度下来进行目标跟踪实验,并实现了这两种情况下的自主跟踪。针对Camshift算法无法应对跟踪过程中的遮挡问题,文中引入了 Kalman滤波器来解决因遮挡而造成跟踪失效的问题。通过融合Kalman算法使得跟踪过程可以实现对目标遮挡情况下的跟踪。本文还增加了一组融合混合高斯背景建模的算法实验,目的是为了解决陌生环境中可能出现的颜色干扰问题。