随着机器人技术的快速发展以及机器学习等技术的逐渐成熟,移动跟踪机器人广泛应用于各个领域,在越来越多的岗位上代替人类完成了复杂工作,实现了生产生活的智能化。本文针对足球比赛中边线区域的赛事拍摄和转播问题,基于目标检测等技术研究设计了一种自主跟踪机,旨在代替边线游动摄像团队实现赛事拍摄和转播的自动化,在增强安全性的同时减轻人员工作强度,增强拍摄灵活性,减少资源的投入。自主跟踪机的设计形式是双轮自平衡机器人,主要包括移动平台、视觉平台和检测控制平台三个部分。系统以基于深度学习的目标检测算法为核心技术,通过在边线区域对足球或运动员进行跟踪拍摄实现赛事录制和转播。本文对Mobile Net网络和SSD目标检测算法进行了研究,融合Mobile Net V3设计了MV3-SSD目标检测算法,轻量化的网络便于在嵌入式设备上进行搭建和应用,为自主跟踪机实现预期目标提供了有力保障。同时,本文分析了MV3-SSD目标检测算法应用的局限性,以自主跟踪机的应用环境为切入点,应用K-Means聚类算法对跟踪目标宽高比的数据分布进行了分析,通过优化MV3-SSD算法中特征层先验框的宽高比和数量并引入新的损失函数,提出了适用于特定目标检测的Specific MV3-SSD算法。此外,本文结合定位与跟踪控制设计,对目标跟踪策略进行了研究,进一步提高了自主跟踪机的智能化水平,保证了在足球场边线区域拍摄的效率与灵活性。本文根据设计方案搭建了自主跟踪机实验平台,通过原型机的基本运行、定位移动和图像采集传输等测试对系统的整体运行进行了调试。测试中使用PASCAL VOC2007等数据集对MV3-SSD目标检测算法和优化后的Specific MV3-SSD算法进行训练和性能测试,同时通过m AP和FPS指标进行评价。研究表明:本文设计和优化的目标检测算法在检测速度和特定目标的检测准确率上显著提高,自主跟踪机基本具备了代替边线摄像师进行足球赛事拍摄的能力,研究结果也为其他领域中的特定目标检测提供了新的思路。