对于人类来说眼睛是主要的器官，人们对环境中大量信息的获取都是通过眼睛的观察。从上世纪开始，机器视觉逐步被人们所认知，其定义如下：使用机械设备来替代人眼用于测距和判别，从摄像机采集得到的图像中，对环境中的目标进行进一步处理，是智能系统研究范畴里一个重要的研究领域。传统的相机镜头只能观察到一定角度范围内的环境，而全景视觉则可以观察到四周全部的环境景象，具有观察视角广阔，装置简单等优点，所以广泛的应用于智能系统领域中。　　本文主要针对机器人和机器视觉领域内的目标识别与跟踪方面进行了全面深入的学习、研究。以全景视觉装置为基础，总结提出了搭载有全景成像系统的移动机器人目标识别和目标跟踪等关键性问题的解决方法，设计了一套目标识别与跟踪系统软件，并且应用在搭载有全景成像系统的机器人上，设计实验加以验证。　　论文首先从特征匹配的角度出发，阐述利用特征匹配方法实现目标识别的过程。针对以往的利用SIFT(Scale Invariant Feature Transform)算法用作目标识别实时性不高的缺点，总结提出了以颜色兴趣区域为基础的SIFT目标识别算法。其中详细阐述了RGB(Red Green Blue)和HSI(Hue Saturation Intensity)颜色空间模型，提出了一种在HSI颜色空间模型下的双阈值自适应阈值分割法，使用这种颜色阈值分割算法先对图像进行预识别，然后再使用SIFT算法进行特征匹配，识别出目标位置，使实时性，稳定性都得到提高。对于目标跟踪的方面，首先阐述了压缩感知理论的基础知识，然后介绍了使用压缩感知理论作为基础进行目标跟踪的算法流程，再结合搭载全景视觉装置的移动机器人进行了目标跟踪的实验。并且对机器人的控制系统进行了分析，结合机器人自身携带的多种传感器，设计了对机器人的运动控制算法。并且在REVV-B32移动机器人上使用全景视觉装置进行了目标识别、跟踪的实验。　　通过实验验证，本文提出的目标识别与跟踪算法，能够有效的在搭载全景成像系统的移动机器人平台上使用，完成目标识别与跟踪的功能，相比以往的算法有一定的优势。