随着现代物流产业的发展，生产自动化水平的提高，AGV被广泛应用到各种制造系统中。传统的AGV多是采用导线式导引方法，柔性水平并不高，而且当导引路径发生变化时需要重新排布，成本很大。近年来，越来越多的学者开始关注更加智能的视觉导引方法，研究如何获取环境中的有效信息，并探讨如何应用到AGV中。　　 本文重点研究了如下3部分内容:　　 1、为提高AGV的智能水平，提出了跟人AGV思想，与传统的AGV跟踪目标不同的是，本文选取直立人体作为有效信息，根据视觉导引原理，重点研究了人物检测以及跟踪算法在跟人AGV中的应用。　　 2、在人物检测算法中，为找到适合跟人AGV系统的检测算法，首先研究了基于背景补偿算法的目标检测，对两帧图像首先用双线性插值法缩小，然后检测SIFT特征点并进行匹配，将匹配点的位置运用六参数仿射变换进行背景补偿，最后运用传统的帧间差分法检测目标。其次研究了基于HOG特征与SVM分类器结合的目标检测算法，选取INRIA库的正负样本图像提取HOG特征，并运用线性SVM训练，最后运用训练结果扫描目标图像检测目标。通过仿真实验探讨两种算法用于跟人AGV系统的优劣，并选取适当的算法应用于本文的目标检测阶段。　　 3、在人物跟踪算法中引入了目前应用广泛的Camshift算法，针对跟人AGV系统的特殊性以及Camshift算法的半自动性，运用标签识别算法选择初始化跟踪目标。本文将标签设计为圆形图案，并运用Hough变换算法进行检测。由于Camshift算法对人物遮挡有一定的鲁棒性，重点讨论了人物消失问题，提出设置标签识别累加器的方法对目标人物消失与否进行判定，然后用基于HOG特征与SVM分类器结合的目标检测算法重新定位目标人物。最后通过仿真实验证明了本文提出算法的有效性。