人机交互（Human-Computer Interaction,HCI）是指人与机器之间通过特定的手段实现信息交互。传统的人机交互方式以设备为中心,交互模式单一,且需要人主动适应机器。近年来,在深度学习技术的赋能下,计算机视觉技术、自然语言处理技术飞速发展,面向多种传感器的多模态交互方式随之出现,也使得以设备为中心的人机交互方式逐渐向以人为中心的交互方式转变。智能人机交互便是在这样的背景下被提出,智能人机交互以人为中心,利用多模态技术的融合与匹配,使人与机器高度协同,将人机交互变成人“人”交互。本文针对智能人机交互技术,从视觉-语言跨模态匹配的角度进行研究,主要研究内容与结果如下:（1）本文提出采用大规模预训练模型进行文本词向量动态表示的方法。在图文跨模态匹配中,针对文本的向量表示,现有的静态词向量表示方法存在表示不准确、表示有歧义等问题,本文通过使用BERT动态词向量表示方法,将不同文本内容中的相同词组对应的词向量进行动态表示,使得相同单词在不同语境下的含义得以区分,文本特征表示更加准确,提升了图文匹配模型的准确率。（2）本文提出一种完善基于图结构化的图像文本匹配推理的方法。现有的基于图结构表示的图像文本跨模态匹配研究中存在对图结构信息利用不足,推理过程不全面,最终影响匹配准确率的问题。本文提出增加从端节点到中间节点推理过程,将端节点与中间节点之间的相互影响加入匹配信息中,将图结构信息更充分地利用起来,实现了效果更优的图文匹配模型。（3）本文提出一种基于图像文本结构化匹配的视觉语言导航全局训练方法。在人与无人机的交互过程中,无人系统使用束搜索仅能得到局部最优。本文提出将图像文本匹配方法引入到视觉语言评估模型中以及基于全局信息的训练策略,使视觉特征和语言特征匹配更精确,同时局部优化与全局优化相结合,最终实现性能更优的算法模型。（4）本文实现了人与无人机基于图像语言的智能交互。现阶段的图像文本跨模态智能人机交互研究以仿真模拟为主,本文率先将智能人机交互算法成功部署在无人机上,并在室内环境中进行了实机验证,取得了良好的实机飞行效果。综上,本文立足于智能人机交互方法的探索,以深度学习为主要技术手段,将视觉-语言跨模态匹配为主要研究对象,分析了视觉语言跨模态匹配方法及其应用存在的问题,最终给出了相应解决方案,并通过实验验证了该方案具有良好的效果。