定期对高压架空输电线路进行故障的检测与修复,是供电可靠性的基本保证。目前,架空电力线路的巡检工作基本上采用人工巡检方式。这种作业方式劳动强度大、危险性大并且效率低。因此,非常有必要开发一种可以取代人工巡检方式的架空电力线路巡检机器人,以便提高工作效率、降低成本和确保电力线路的安全运行。本论文正是基于这一背景下,对架空电力线路巡检机器人目标的检测与跟踪方法做了研究。本文首先归纳总结目前视频中常用的目标检测和跟踪方法,并指出各种方法的优缺点及适用情况。然后,在此研究的基础上,做了以下改进:对于目标检测方法,由于考虑到实际情况的复杂性,本文提出一种基于背景相减法和机器学习中的Adaboost算法相结合的方法。该方法首先对视频序列图像做背景差分运算,接着采用大津法进行图像二值化,并利用形态学滤波提取出运动区域。最后,使用Adaboost算法训练所得的分类器对该区域进行检测,从而得到视频中的目标防震锤。对于目标跟踪方法,采用基于检测和颜色特征相结合的跟踪方法。首先简单介绍了颜色模型、颜色直方图和颜色概率分布图,并给出实验结果。然后,重点分析了经典的Meanshift算法,并通过实验证明了其不足之处。最后,提出一种基于改进的Camshift算法的目标跟踪方法。该方法利用目标检测的结果初始化搜索窗口,从而避免了使用颜色特征来描述目标的单一性,提高了跟踪的准确性。