随着人工智能、大数据等相关技术的发展, 机器人等智能设备已经逐步深入到我们的日常申能干活中, 如何使得无人设备能够在自然场景中同人能够顺畅交流, 并理解场景中的人、物和事件是提升其智能化水平的基础, 也是机器人等无人设备落地应用的关键。本专著重点从智能无人设备对人的自然行为, 如常用手势、动作等, 以及对场景中物体、物体间关系建模方法角度出发, 讲解最新的基于深度学习的网络构建研究成果, 为相关领域科研工作者提供参考。