机器人发明以来,人类最大的梦想就是让机器人在自己生活的各领域都能够代替自己工作,服务机器人就是这个梦想的完成者。作为人类的替代品,服务机器人应该具有与人类相同的能力,其中最重要的就是能对复杂环境中的人体进行识别和跟踪。当前的人体识别技术主要有：依靠红外传感器的人体热辐射识别、依靠机器视觉的人体图像识别。前者由于红外传感器的性质,存在着受环境背景辐射干扰巨大等缺点；后者由于依靠视觉,所以受光照影响。随着激光雷达技术的成熟,该传感器的价格逐年降低使其成为服务机器人的标准配置,其不受环境影响的特性也使其成为了人体识别与跟踪的最佳传感器手段。本文提出了一种依靠激光雷达作为数据来源,使用人体下肢统计学特征训练随机森林分类器,从而完成对激光雷达数据分类识别,使用卡尔曼滤波器对经过识别的人体下肢进行预测跟踪的复合系统。本文主要完成了以下工作：首先,提出了一种基于激光雷达信息与随机森林分类器的人体下肢识别方法,该方法激光雷达反馈信息作为输入媒介,依靠人体下肢的统计学特征选取不同年龄、性别、着装的人体下肢激光雷达数据集合训练了一个高度可用的随机森林分类器,使用该分类器可以识别99%以上的人体下肢图像,根据人体步幅和步宽特征对经过识别的人体下肢进行配对从而构成了完整的人体下肢识别系统。其次,依据人体下肢识别系统提供的位置信息,本文实现了一个离散卡尔曼滤波的人体下肢跟踪系统,该跟踪系统可以有效的预测运动中的人体下肢的位置从而实现人体的跟踪。本文结合以上两个系统实现了一套高度可用的服务机器人运动人体跟踪系统,并用该系统在日常环境下完成了人体跟踪的各种实验。