目前,家庭服务机器人是世界范围内机器人领域的热点研究问题,展现出广泛的应用前景。目标检测与跟踪是家庭服务机器人的重要组成部分,涵盖了图像处理、人工智能、传感器等多个学科的理论知识,在智能监控、视觉导航、人机交互、家庭服务等领域有着非常广泛的应用。在家庭室内环境下,任务目标呈现出多样化、复杂化、未知化的趋势,在复杂环境下对目标物体进行稳定的检测与跟踪面临着很多问题。本文基于家庭服务机器人,对目标检测与跟踪方法开展研究,拟采用深度学习中的卷积神经网络的方法,将图像或者视频输入到卷积神经网络中,逐层提取高层的抽象特征,实现在室内物体的多目标物体检测,并对目标物体进行后续的跟踪。围绕家庭服务机器人的目标检测与跟踪展开研究,论文的主要内容包括:（1）方法以及模型选取:面向家庭服务机器人的目标检测与跟踪,深入研究现有的方法,拟采用深度学习中的卷积神经网络方法应用到目标检测与跟踪上。为了顺利的进行下一步的实验,根据硬件设备以及实验效果来选择合适的卷积网络模型、激活函数以及深度学习框架。（2）数据集的创建:为了让数据集更好的为家庭服务机器人服务,对现在流行的检测与跟踪数据集进行分析。由于家庭室内环境的相关数据集比较缺乏,所以拟初步创建Robot数据集。收集数据集时,需考虑室内环境下的光照、遮挡、形态变化等因素来提高网络的训练效果。（3）目标检测实验:为了实现在室内环境下多目标物体的检测,拟采用卷积神经网络的方法进行检测实验。使用创建的Robot数据集对卷积神经网络进行训练,卷积网络自主学习得到高维抽象的特征,为室内环境下目标物体的识别检测做好铺垫。因为对目标检测的准确性和实时性有一定的要求,网络拟采用多尺度特征融合、全卷积网络提取候选框、共享卷积层等多种优化改进方法。（4）智能化目标跟踪:为了实现对目标物体稳定的跟踪,实验拟采用卷积神经网络的方法,对跟踪网络进行训练,提取目标运动和外观之间的关系。基于NEU第一代家用陪护式机器人的项目背景,机器人需要实现对室内物体的检测,还要根据实际任务要求找到目标物体,并完成后续对目标物体的跟踪,实现智能化目标跟踪。