运动目标检测与跟踪技术是计算机视觉领域的一个重要研究课题,已经被广泛应用于安防、交通管理、机器人视觉。通过搭载视觉传感器获取视频图像信息,已成为移动机器人平台感知环境的重要方式。本文基于单目视觉研究NAO机器人运动目标检测与跟踪应用实现。由于实际应用场景复杂多变,现有的算法不能满足实际应用的需要。针对经典Camshift算法应用于机器人目标跟踪过程中遇到的问题,分别从目标检测和目标跟踪两个方面进行研究并且提出优化方案。具体工作内容如下:1.研究对比几种常用目标检测算法的优缺点,针对目标检测结果存在大量干扰以及目标提取不完整问题,提出采用目标颜色、边缘特征和运动前景多特征融合的目标检测算法。利用直方图均衡化方法突显出目标区域、降低光照变化影响。利用边缘特征进行区域划分得到目标完整轮廓,结合运动前景信息消除干扰提高目标检测质量。实验结果表明融合后的目标检测算法能够过滤掉绝大部分干扰背景,并且检测出的目标模型较为完整,能够为之后的跟踪过程提供很好的支撑。2.研究生成式Camshift跟踪算法的优缺点,提出结合ORB特征匹配和Kalman滤波改进Camshift算法应用于NAO机器人运动目标跟踪,针对跟踪过程中颜色干扰导致跟踪失败问题,利用ORB算法提取当前时刻图像的特征点与目标模板进行特征点匹配,统计两图像间最优匹配个数,当最优匹配个数大于阈值时匹配成功,重新获得目标搜索框在图像中的位置更新算法。针对目标被障碍物遮挡导致目标丢失问题,利用Kalman滤波作为目标运动状态的预测机制,根据预测位置更新目标位置参数。针对单目相机无法获得距离信息的问题,利用超声波传感器探测障碍物信息,避免机器人与障碍物之间发生碰撞。实验结果表明利用ORB算法和Kalman滤波能够重新确定运动目标的位置,有效解决相似颜色背景干扰和目标遮挡导致的跟踪失败问题。