人机交互是研究人与计算机之间相互理解、交流和通信的一门技术科学,同时在最大程度上为人们完成信息管理、服务和处理等功能,但是目前人机交互中存在鲁棒性不高的问题,其主要原因在很大程度上是人必须适应计算机,而计算机缺少适应复杂环境的能力,如光照变化、视角变化、遮挡问题等,环境因素的变化对图像的视觉感知产生很大影响,同时图像感知质量的好坏直接影响系统的识别率,所以可以通过研究计算机对交互对象的感知质量达到提高计算机鲁棒性的目的。本文在多目视觉的前提下提出了“适境计算”的理论框架,并重点研究了光照及视角因素对图像视觉感知质量的影响,计算机通过对光照和视角关键因素的检测、计算,并根据一定的决策做出判决、选择,从而适应外部客观环境,提高系统的鲁棒性和识别率。现将本文主要工作总结如下：首先,多摄像机解决遮挡和姿态问题。单个摄像机视野域的有限性使得计算机无法获得全方位的目标信息,为了从感知阶段最大程度的解决遮挡和姿态变化难题,本文提出了将多目视觉应用到目标获取的初级阶段。其次,提出了“适境计算”的理论框架和实现方法。在该框架中重点研究了光照及视角因素对图像视觉感知质量的影响,通过小波变换提取图像的亮度、视角信息,以此对交互对象的感知质量做出综合判断,该方法计算简单快捷。实验结果表明该方法可以对图像视觉感知质量做出合理评价,并选择出符合交互对象的感知质量特性的目标图像。最后,提出了基于适境计算的信息融合算法,即将支持向量机(SVM)与Dempster Shafer (D-S)证据理论相结合。对支持向量机的一对多最大响应策略进行改进,即在支持向量机的最终判决中不采用最大距离对样本进行判决分类,而是保留样本与每一类的距离,将距离转换成概率值,体现不同类别对样本的置信度,然后利用改进后的D-S证据理论的决策级融合方法对概率进行融合,最后对测试样本做出融合后的类别判断。