随着机器人相关技术的发展，机器人逐渐走入到我们的生活中。运动人体跟踪技术作为机器人系统中的关键技术，近年来受到众多学者的关注。然而，现有跟踪方法易受非目标人体，目标突然转弯以及遮挡等问题的影响。为了解决上述问题，本研究提出一种基于双层协作定位机制的机器人运动人体跟踪方法，并开发了可视化的图形用户界面。最后，在装载有立体视觉系统和射频识别系统(Radio Frequency Identification，RFID)的Pioneer3-DX机器人平台上进行了实验验证。主要工作有如下几方面：(1)基于头肩模型的自适应模板匹配算法在室内环境中，水平高度较低的位置可能存在人与背景的遮挡、混淆等问题。对于整个人体来说，头肩部分具有易区分、变化小、不易被遮挡等优点，故将人体头肩形状作为一个二维的识别模型以实现人体检测。本研究提出一种基于头肩模型的自适应模板匹配算法。该算法从二值图像中提取头肩模型，利用垂直投影直方图表征人体头肩的生理结构特征。根据提取的头肩模型及模板尺寸自动对二者进行归一化，以达到最佳匹配效果。最后，利用欧氏距离对二者进行匹配，实现对不同位姿运动人体检测。(2)基于多特征的自适应均值漂移算法针对传统均值漂移(mean-shift)算法对目标特征描述不完整、目标模型不能动态更新、无法解决目标遮挡等问题，本研究提出了基于多特征自适应均值漂移的目标跟踪算法。该算法在传统基于核函数mean-shift算法的基础上，利用头肩特征定位结果获得的人体躯干侧影改进核函数，消除背景颜色及纹理对目标模型的影响。在跟踪过程中，多特征互补信息提高了算法对目标特征的描述能力。提出选择性更新策略以实现自适应更新目标模型，该方法既有助于消除跟踪过程中的累积误差，又避免了过度更新模型造成的模型偏移。(3)双层协作定位机制为了有效结合RFID系统与立体视觉系统所获取的环境信息，本研究提出了一种双层协作定位机制。将基于RFID系统的外层粗定位结果与基于立体视觉系统的内层精确定位结果进行筛选、分析和处理，实现内外层协作定位，以提高复杂环境下机器人目标跟踪的准确性和鲁棒性。当目标突然转弯以致消失在相机视野中时，利用RFID系统粗定位结果为机器人运动提供导向，有助于机器人快速跟踪到目标；当目标人体被遮挡时，系统采用扩展卡尔曼滤波(Extend KalmanFilter，EKF)预测目标运动状态，解决了目标短暂遮挡情况下的跟踪问题。(4)基于模糊控制的智能调速算法针对复杂的环境，设计一个连续稳定的目标跟踪控制算法是必要的。本研究设计了基于模糊控制的智能调速算法，以实现机器人连续稳定跟踪人体。该算法首先根据人机运动状态，通过模糊化、模糊推理及解模糊化，实时自动调整基准线速度和转弯增益，并结合智能调速算法，保证机器人稳定地跟随目标运动。实验结果表明，基于头肩特征的自适应模板匹配算法，实现了对不同位姿人体跟踪；基于多特征自适应的mean-shift算法，既能有效解决目标描述不完整，又能自动更新目标模型，明显地提高了跟踪的准确性；双层协作定位机制，有效地结合了外层粗定位结果与内层精确定位结果，提高了跟踪算法的准确性和鲁棒性；最后，根据人体运动状态，采用基于模糊控制的智能调速算法，实现机器人稳定连续地跟随运动人体。