随着机器视觉的发展,基于视觉的目标跟踪技术已成为学术界和工程领域关注的热点。该技术在移动机器人定位与导航、多机器人编队、月球探测以及智能监控等方面都有非常重要的应用,已成为智能机器人领域的一个研究热点。基于视觉的目标跟踪技术不仅是移动机器人的关键技术,同时也具有广阔的应用前景。本文在分析和总结各类运动目标跟踪技术基础上,提出了两种改进的粒子滤波目标跟踪算法。针对粒子滤波用于目标跟踪时存在的计算量大和退化现象等问题,提出了一种改进的粒子滤波目标跟踪算法。该算法是将粒子滤波重采样后权重小于均值的粒子进行修正,使得修正后的粒子趋近目标位置;然后采用修正后的粒子集来估计目标位置,从而提高目标位置估计的准确性。实验表明,该算法只需较少的粒子便可实现运动目标的实时跟踪,且跟踪效果明显优于常规的粒子滤波算法。针对基于单一特征的目标跟踪算法的跟踪不稳定问题提出了一种基于纹理特征粒子滤波/Mean Shift的目标跟踪算法。该算法中建立一种选择反馈机制,首先对目标同时进行基于纹理信息的粒子滤波和基于颜色信息的Mean Shift两种算法的跟踪,然后对两种算法的跟踪结果进行比较,选择结果较好的输出,并把结果反馈到粒子滤波与Mean Shift中作为下一帧处理的初始值。实验结果表明,该方法克服了单一特征所带来的跟踪不稳定问题且具有较强的鲁棒性,并能有效解决由于目标变形和颜色模糊而产生的跟踪困难问题。本文采用基于纹理特征粒子滤波/Mean Shift的目标跟踪算法和基于行为的机器人反应式体系结构,设计了移动机器人运动目标跟踪系统实现跟踪任务。单目视觉完成二维的目标定位,声纳获得物体距离数据,弥补单目视觉深度上信息的不足,单目视觉和声纳传感器信息互补融合。移动机器人利用单目视觉和声纳反馈的信息,根据跟踪任务设计了目标跟踪和避障两种基本行为。为了实现机器人行为协调,给这两种基本行为赋予不同的优先级。文中利用ARIA函数库编写了移动机器人的基本行为类。在Pioneer3-DX机器人物理平台上,进行了一系列的运动目标跟踪的实验研究。结果表明,具有单目视觉和声纳传感器的移动机器人能灵活、实时而有效地完成运动目标的跟踪任务。