计算机视觉是指通过摄像机、计算机等设备获取、加工、处理周围环境的图像信息,从而实现类似人类视觉“看”的功能。在计算机视觉领域中,基于视频的多目标检测与跟踪技术的研究是一项非常有研究意义和富有挑战的任务。该技术可应用于智能监控、视频索引、人机交互等多个领域,其中,智能监控是指不需人的参与,计算机就能根据摄像机拍摄的图像信息,运用图像处理算法和计算机视觉等技术,对图像信息进行处理、分析,实现对运动目标的检测、识别与跟踪,并进行行为分析。目前,多目标检测的算法在实际应用中,由于光照的影响,机器人在图像中成像会有阴影,导致误检、漏检的现象,而检测的结果直接影响跟踪的效果。因此,在实现多目标检测与跟踪系统中稳定准确的检测算法具有重大的研究意义。多目标检测与跟踪的研究与应用是一项富有挑战的技术,往往不会有统一的检测跟踪算法适用于所有的情况,需要根据具体的应用场景选择或是改进某一项或是多项算法。本文研究多机器人检测与跟踪,对这些成果进行研究、应用与改进。本文的主要工作如下:(1)本文根据项目要求搭建了多机器人检测与跟踪系统平台,并详细的介绍了相关硬件、软件,以及系统的总体设计流程图。(2)回顾目前常用的运动目标检测算法,包括帧间差分法、光流法、单高斯背景建模、混合高斯背景建模、Codebook算法,并将这些算法应用到实验平台,分析优缺点,选取其中最优的检测算法——Codebook算法,根据实际需要对Codebook算法进行改进。实验表明,改进的Codebook算法能有效的解决检测物体时的阴影问题。(3)由于机器人形状不规则、高度增加等现实原因,基于传统常用的检测算法,可以得到机器人的部分不规则可视信息的投影,该投影在不同位置误差不同,且整体误差较大,不能满足实验室对机器人定位的要求。因此,本文针对机器人平台,提出了一种基于局部特征的检测算法,该方法极大的提高了物体位置信息的精度。(4)研究了标定算法,根据实验环境,选用了适合的摄像机标定方法。该方法精度高、可实施性强,为提供高精度的机器人位置信息提供了保障。并结合本文的检测算法,计算分析机器人位置信息的误差。(5)研究多运动物体跟踪算法,并根据实验需要选择了基于Kalman滤波器的跟踪算法。并采用检测与跟踪互反馈机制,根据跟踪的结果来缩小检测的范围,不仅降低了检测时干扰的影响,提高了检测的精度,而且缩小的检测范围,大大降低了检测时间,提高了系统的实时性。