近年来,随着无人机控制技术的日趋成熟和人工智能技术的蓬勃发展,多旋翼无人机除了执行传统的航拍、植保、战地侦查等任务之外,还被赋予了主动跟踪目标,自主目标识别等智能功能。目前,多旋翼无人机大部分的应用还是集中在民用娱乐方面,而无人机的人机交互方式仍主要依赖于较为复杂的遥控器控制,遥控器较大的体积妨碍了小型多旋翼无人机的便携性,遥控器控制的操纵不便性阻碍了无人机使用人群的推广。因此,需要设计一种不依赖于外接设备的智能人机交互方法。人体姿态信息较为明显且对人较为亲和,通过计算机视觉与人工智能技术,对人体姿态信息进行识别,就可以完成人机交互任务。首先,针对无人机在空中飞行时机械振动造成拍摄画面抖动的情况,采用中心区域模板匹配的方法,在算法上实现了对无人机机械振动的补偿,使得画面较为稳定并易于后续算法处理。接着,对图像中的人体目标进行检测。考虑使用了两种解决方案,分别用于地面站和机上处理情况。第一种是使用结构复杂,运算量大的卷积神经网络检测器Faster R-CNN完成候选区域的生成,目标种类的分类与人体目标位置的定位,该方法准确度高,能够适应复杂的背景环境,但运算量庞大,无法在机载嵌入式计算平台上实现实时性。另一种是使用前景信息提取的方法生成候选框,再使用结构较为简单的卷积神经网络完成分类任务,该方法需要先对场景信息进行建模,但运算量小,可以在机载嵌入式平台上实现实时性。然后,对检测到的人的姿态信息进行识别。为了确定检测到的人是否为需要进行人机交互的对象,设计了一个挥手动作检测器作为人体姿态信息检测器的开关,增强了系统的安全性。对通过了挥手动作检测的对象,设计了4种明显的姿势,无人机通过对姿势种类的识别完成人机交互任务。为了提高运行速度并充分利用已处理信息,将框选到的目标前景信息直接作为特征输入多层全连接神经网络进行识别。最后,将算法移植到了机载嵌入式设备上并进行了飞行实验验证。结果表明,系统能够在保持较高识别准确率的同时实现了机上处理的实时性,能够很好的完成人机交互任务。