如何自主实现人体目标的检测与跟踪是自主机器人研究领域的关键问题之一。此类问题中目标的前景观测是核心。传统的基于单目视觉的目标跟踪算法主要以已知的目标模型为依据,在图像数据中全局搜索目标。这些前景观测方法受限于已知目标模型,且计算复杂、处理速度慢,难于对目标进行实时跟踪。此外,在实际应用中现有跟踪算法常受诸多因素制约,如人体目标的出现和消失位置不固定、运动轨迹多样、目标的遮挡和目标本身的旋转等。为了提高在实际环境中检测人体目标的准确率,本文结合单目视觉和激光测距特性,构建了扩展二维环境模型,并基于该环境模型建立了新的人体模型。此模型不仅有深度和高度信息,同时还有丰富的颜色信息,从而有助于在室内和走廊环境中快速地检测出人体目标。本文实现了基于贝叶斯框架下的多人体目标检测与跟踪。在人体目标检测算法中,首先用激光测距系统快速地从环境中提取出候选人体目标,然后根据扩展二维环境中的坐标变换关系,获取图像中的目标范围,最后引入多部分检测策略辨识出人体目标。在此基础上,为了有效地持续跟踪多个人体目标,提出了多区段的人体分布颜色模型及其动态更新策略,以消除环境光线明暗变化、目标旋转和局部遮挡的影响。另外,本文还提出了非恒速的运动模型,以预测人体的运动趋势。通过应用于移动机器人平台所获得的实验结果和数据的分析讨论,论证了所提出方法的有效性和实用性。进一步,本文将人体目标跟踪问题从单机器人延伸到多机器人领域,提出了多机器人人体目标跟踪策略。此策略以“分而治之”的思想,解决了在复杂大场景下人体目标的实时监视和跟踪问题,弥补了单个机器人处理能力的不足,从而能够满足复杂场景下的任务需求。真实环境中的实验验证了所提出的多机器人人体目标跟踪策略的可行性和有效性。