机器人目标跟踪技术在机器人导航定位、人机交互、无人驾驶等领域的应用越来越广泛,其中在智能服务领域的应用也在生活中发挥重要作用。本文以博物馆讲解、商场导购为应用场景,采用单目摄像头来设计并实现了一种基于深度学习的智能机器人目标跟踪方法。目标跟踪模型中最为重要的一点在于对目标的特征提取,本文选取了一些当前特征描述能力优秀的深层卷积神经网络算法,进行了深入对比研究。在机器人上试验了现有的GOTURN和TLD单目视觉跟踪算法,发现GOTURN算法缺乏跟踪失败检测机制。同时,传统的TLD算法在跟踪过程中存在着易受光照影响等情况。为了能够同时保证跟踪准确性与实时性,提出一种改进的算法GOTURN-LD,该方法将离线训练好的深度学习模型用于在线跟踪,并且与传统的带检测器的算法框架TLD相融合。此外,还改进GOTURN-LD算法的检测模块,加入区域建议算法,减小扫描区域,从而减少检测的计算量,加快目标遮挡或丢失后重新找回的速度,进一步提高算法的跟踪准确度。本文将改进后的跟踪算法应用到机器人系统进行实际场景实验,主要完成机器人运动、信息采集和处理等功能。通过跟踪系统总体设计,数据与机器人底层指令变换设计和数据传输方式的选择,搭建测试环境,在不同光照以及有遮挡的情况下对目标进行测试,验证了改进算法的跟踪性能。