机器人视觉跟踪是目前机器人研究领域的热点问题，广泛应用于军事、视觉监控以及数字医疗等诸多领域。本文以递归贝叶斯滤波为理论基础，讨论了基于移动机器人视觉系统的彩色目标跟踪问题。围绕视觉跟踪中的目标检测与目标跟踪两大关键技术展开了深入的研究，并结合不同的目标检测模型提出可应用于移动机器人实际平台的跟踪方法，实现了全自主移动机器人在静止和运动两种状态下的视觉跟踪任务。本文首先以色度学基础和颜色模型的表示方法为切入点，介绍了几种常见的目标检测方法并加以比较。从实时性和实用性的角度出发，详细讨论了基于加权颜色直方图和基于行程编码的两种目标检测方法。以马尔可夫假设和贝叶斯公式为基础，构建出递归贝叶斯跟踪的一般表达形式，并对其中两种较为常用的实现方法进行详细的介绍。针对非高斯观测环境下的彩色目标跟踪问题，详细介绍了蒙特卡罗方法和粒子滤波算法。为实现在移动机器人上的实时跟踪，本文给出了一种混合粒子滤波跟踪算法，其原理是利用粒子滤波和卡尔曼滤波分别对目标状态的位置以及形状分量进行处理，并利用二者之间的数据融合来实现各自的状态更新。该算法能够有效解决粒子滤波在处理高维跟踪时计算负担过重问题，同时克服了卡尔曼滤波存在高斯约束的不足，并在应用中取得良好效果。为了实现机器人运动状态下的目标跟踪，详细介绍了摄像机的成像过程，并以此为基础给出了一种在摄像机运动状态下的目标预测方法。根据不同目标的特点，本文分别选择与之相对应的目标模型、检测方法和跟踪算法，有效实现不同环境下机器人对目标的视觉跟踪。通过对实验结果和数据的进一步分析与讨论，验证了所提方法的有效性和实用性。