自然场景行人视觉导航是一个具有很好的实用价值又极具挑战性的课题。随着场景识别、机器学习、计算机视觉和深度学习等相关领域的发展，近年来基于图像全局匹配的行人视觉导航方法受到越来越多的关注，然而由于行人的视觉导航问题的的复杂性，特别是视频图像在光照、视角、尺度等方面的巨大差异，其准确率目前距离实用还有较大的差距，亟需探索更加鲁棒的行人视觉导航方法。　　自然场景的行人视觉导航任务与人类最基础的搜索能力具有很大的相似性。受人类视觉搜索能力的启发，本文基于发育学习网络(Developmental Network，DN)的图像全局匹配方法提出了一种关注多尺度内容的学习方法，该方法能够针对输入图像内容和标注信息自动的学习图像中需要关注的内容;同时该方法在IJCNN2017-AIML行人视觉导航竞赛中取得了最高的导航精确度，并获得第一名。　　基于图像全局匹配的行人视觉导航方法可以为视觉导航确定总体方向性的指引，但仍然缺乏对目标地准确位置的定位。因此，针对图像中的细节文本信息获取，本文提出了一种基于稠密特征和文本/非文本判别相结合方法，作为对图像全局匹配得到的信息的补充，能够更加精确的根据目的地文本信息精确的定位目的地位置，从而实现更加准确的视觉导航。所提出的自然场景文本检测方法在ICDAR2015数据集上取得了达到State-of-Art的86％的准确率(F-measure可以达到83％)。　　通过结合图像全局匹配方法和细节文本信息，行人视觉导航总体方向预测和目的地的具体位置信息可以实现互补，从而进一步提升导航的准确性。　　综上所述，本文针对行人视觉导航中全局图像匹配，注意力转换和精确定位困难等挑战性问题，分别研究了基于发育学习的图像全局匹配方法和基于文本检测与识别的图像细节信息获取方法，并融合用于视觉导航。基于图像全局匹配的方法具有训练速度快，重点关注重要内容等优势，基于文本检测与识别的方法具有场景信息定位准确，能够提取高层语义特征等优势，两种方法结合用于行人视觉导航，可以优势互补。