随着计算机视觉学科的不断发展壮大，人机合作技术逐渐成为人们的研究热点。人机合作（Human-Robot Collaboration，简称HRC）就是指机器人与人在同一作业空间内直接接触，合作完成一项作业任务。这就要求机器人能够通过动作、手势或语音等方法与人进行交流，以确保人机共处过程中人的生命安全问题，这也是人机合作技术发展所面临的一个难题。为了解决人机和平共处的难题，本文提出了一种基于Kinect视觉的目标人员识别与跟踪方法。本文采用的是运算速度快、综合性能高，对旋转、亮度变化等具有强鲁棒性的SURF（Speeded-Up Robust Features）特征检测算法。本文主要包括三方面内容：首先，通过Kinect分别对目标人员和现场场景进行3D数据采集，包括彩色图像数据和深度图像数据，结合获取到的两种数据信息，对图像进行滤除背景干扰处理，保留人体区域；然后，在经过预处理操作之后，再对图像进行SURF特征提取，以减少SURF算法的运算量，进一步提高运算速度；最后，应用无迹卡尔曼滤波（UKF）对场景中的目标人员进行跟踪。实验结果证明，在复杂环境中，该方法也可以快速、准确的识别目标人员，不受遮挡、光照变化等因素的影响，并且在实验室环境下实现了目标人员的跟踪任务。