新一代信息技术和制造业的融合,提升了制造业数字化、智能化发展水平,使得具有智能路径规划、自主导航运动能力的自动引导小车（AGV）等移动机器人在工业环境中的应用更为广泛。提高移动机器人路径规划的合理性以及运动的准确性,可以促进制造业转型升级,提高装备制造的层次和水平。因此,本文围绕识别工业环境中目标的移动轨迹展开研究,旨在从监控视角识别提取目标机器人的移动轨迹,掌握目标的实际运行情况,为进一步发展机器人轨迹规划技术,提高机器人运动精度提供理论与数据支撑。依据目标移动轨迹图的组成元素,本文将目标轨迹识别任务划分为背景图像拼接、运动目标检测、指定目标跟踪三个部分,并分别对相关关键技术进行深入研究。本文主要内容安排如下:1、研究基于特征匹配的图像配准融合算法。在传统的特征匹配算法的基础上引入斜率一致性,提高图像配准的效率,并利用线性渐变融合提升全景图的质量。2、研究运动目标检测算法。针对传统Vi Be运动目标检测算法在复杂环境下检测效果不佳的缺陷提出改进方法,提升运动目标检测的准确性,并将算法提取的前景目标与背景区域分别应用于跟踪模板的初始化以及背景全景图的拼接。3、研究自适应多特征融合目标跟踪算法。使用梯度直方图特征和颜色统计特征两种互补的目标描述方法提高对目标的描述能力;利用平均峰值相关能量作为置信度指标,根据环境和目标的变化分配特征融合的权重比例,并根据置信度评价跟踪结果的可靠性,及时修正跟踪误差,使目标跟踪算法具有较强的鲁棒性。4、在工业现场开展移动目标轨迹识别实验,通过本文研究的运动目标检测算法及目标跟踪算法,识别提取目标的移动轨迹,并利用图像配准融合算法生成广视角的目标移动轨迹全景图,验证本文算法在实际工业应用中的有效性。