基于深度图像可以方便的区分前景和背景，有效提高自然人机交互的性能。要实现面向大众的自然人机交互，需要深度摄像头在实时性、价格、适应环境等方面达到实用性。基于面结构光技术的深度摄像头实用性强，得到了迅速发展。但是目前深度摄像头价格不菲，深度图计算技术还被外国少数公司所垄断。研究深度图计算方法，不仅可以在学术上做出一定借鉴意义的工作，更有助于打破国外技术壁垒，提高我国深度摄像头制造行业，体感游戏行业等相关行业竞争力。本研究使用散斑图结构光图像，基于图像块匹配算法，实现了深度信息的获取,并且通过插值算法和滤波算法提高了深度图的质量。算法实时性好，精度高,实现了以30帧/秒的速度实时计算深度值，近景深度分辨率达到1cm。采用本方法，智能电视和家用电脑只要增加一个“红外发射元件”，就可以具有自然人机交互功能。在此基础上，本文还提出了向量场模式识别的深度图算法DepthVH和基于SVM的深度决策树算法DepthST，用以降低图像匹配算法的计算量，进一步降低深度摄像头成本。DepthVH通过生成具有深度相关特征的向量场，将深度信息变换为特征信息，通过直接识别各个深度点周围的向量场特征，将该特征信息逆变换为深度信息，实现类似哈希映射的搜索，避免了线性搜索匹配算法的巨大运算量。DepthST使用SVM实现深度决策树，可对每一个像素点的深度做迅速分类。DepthVH和DepthST算法精度较匹配算法有所下降，但是大大降低了深度计算的计算量，可应用于对精度要求较低但对深度摄像头成本敏感的场景。