随着人工智能、机器人技术的迅猛发展，人们对于服务机器人的期待越来越高，服务机器人开始进入我们的日常生活，机器人与人的交互技术成为学术界和企业界关注的热点。对于服务机器人而言，自然高效地与人交互是提供服务最关键的能力，它不仅体现在准确感知用户传达的信息和理解用户的交互意图，还要求能合理响应用户并作出智能的行为决策。

近年来，人机交互技术取得了一些成果，在机器人理解用户的交互意图方面，很多核心算法都源于模式识别，但直接迁移到服务机器人交互应用中存在各种问题，适合于服务机器人的用户交互意图推断和理解方法研究仍然任重道远；在服务机器人行为决策方面，不同服务内容面临着不同的技术挑战，现有机器人还远未达到自主适应各种场合的智能水平。因此，研究面向服务机器人的人机交互技术，以进一步提高服务机器人的智能性和灵活性，对于推动服务机器人在实际生活中的普及和使用，具有重要的理论意义和应用价值。

本文针对面向服务机器人的用户交互意图理解和行为决策中的目标跟踪控制方法开展研究，主要工作总结如下：

首先，研究了交互开始前机器人对用户有没有交互意图的推断问题。模仿人类主动交互的对象选择方式，提出了一种基于双模信息分析的交互对象选择方法，实现了机器人主动感知并选择想要交互的对象，改变了传统机器人被动等待用户呼唤的方式。该方法抽象了人类选择交互对象的模型，采用视觉和激光两种模态信息实现了机器人360度范围的行人感知，提出了一种基于仿人交互意图特征和随机森林回归模型(Humanoid Interaction Intention Feature and Random Forest Regression Model, HIIF-RFRM)的意图推断方法，设计了交互意图推断优先级规则，最终通过日常生活中多人场景下交互开始前的交互对象选择实验验证了所提方法的有效性。

第二，研究了交互过程中机器人对用户肢体交互意图的理解问题。针对传统肢体运动识别算法直接迁移到机器人肢体交互应用中的模型输入提取以及交互中断的问题，提出了一种基于双向长短时记忆网络和仿人决策任务中断(Bidirectional Long-Short-Term Memory networks and Humanoid Decision-making Task Interruption, BLSTM-HDTI)的肢体交互意图理解方法。该方法设计了一种基于3D人体骨骼点信息的交互起止端检测方法，实现了快速开启和中断交互的功能。设计了具有肢体空域关系的骨骼连通向量作为模型输入，搭建了具有肢体运动时序分析能力的三层BLSTM网络，识别用户的肢体交互意图。模拟人类智能决策任务中断的方式，在设计的肢体交互接口中加入了中断功能。最终通过肢体交互中断实验验证了所提方法的有效性。

第三，研究了服务机器人交互行为决策中的目标跟踪问题。提出了一种基于双模型融合的目标跟踪控制方法。该方法首先改进传统时空上下文追踪器，构建了中层特征时空上下文(Middle-level Feature Spatio-Temporal Context, MFSTC)模型，以提升光照和表观变化时的目标定位精度。然后设计了融合机制，融合了三维均值漂移(Mean-Shift based on 3D information, MS3D)模型，以改善形变和遮挡情形下的目标跟踪效果，充分发挥了两种目标追踪模型的优势。此外，设计了基于视觉伺服的目标跟踪控制器，实现了机器人对用户的安全稳定跟踪。最终通过与代表性方法在最新的RGB-D数据集上的对比实验以及多种真实场景下的用户跟踪实验验证了所提方法的有效性。

第四，设计并开发了一套自然高效的人与服务机器人交互系统。该系统包括了两种交互模式：正常人与机器人的肢体交互模式以及残障人与机器人的眼动交互模式。基于本文提出的交互对象选择、肢体意图理解和目标跟踪控制方法，结合设计的机器人肢体交互回应方式，实现了正常人与服务机器人的肢体交互模式。考虑有生理功能障碍的人不方便肢体交互，设计了基于眼动意图理解和机器人避障及抓取决策的眼动交互模式，提出了一套基于eTracker注视区域追踪模型的眼动交互方案，实现了模型输入自动获取和眨眼预处理、eTracker注视区域追踪分析以及两种眼动交互接口。最终通过真实场景下人与机器人的两种模式交互实验验证了交互系统的有效性。