脑机接口(brain computer interface,BCI)是一种不通过外周神经和肌肉,实现大脑与外界直接通信的新兴技术,已经逐步被应用于多种信息交互和实体设备控制系统中。在许多实际应用系统中,用户需要对环境中的目标进行选择。传统的BCI范式一般是静态的,面对移动目标的选择,静态BCI系统选择过程不连贯,提供的环境信息也比较有限。为了将BCI技术应用在移动目标选择中,本文尝试将两种诱发式BCI嵌入动态场景,实现多移动目标的选择。本文以视频中的行人作为待选择的目标,分别尝试了基于SSVEP和P300的移动目标选择范式,主要研究工作如下:搭建BCI移动目标选择系统,选用诱发式BCI方法尝试移动目标选择,分别设计了基于SSVEP和P300的多移动目标选择范式。以视频中的行人作为待选择的移动目标,利用使用判别训练的部件模型目标检测算法和基于广义最小团问题的全局多目标跟踪算法确定行人目标的坐标,通过诱发式BCI的刺激叠加显示诱发相应的神经信号成分,实现目标选择。在基于SSVEP-BCI的多移动目标选择方法研究中,对于SSVEP刺激形式的设计,从刺激的形状、尺寸、闪烁频率以及闪烁时间等方面进行了分析,确定刺激模式。由于被试的差异性,通过实验以信息传输率和正确率为评价指标为每名被试确定了最优单次目标选择时间。在基于P300-BCI的多移动目标选择方法研究中,将叠加在行人目标上的编号颜色变化作为刺激事件,通过离线实验为每名被试选择最优EEG信号采集通道;通过在线实验分析目标选择正确率和信息传输率。实验结果表明,两种方法的目标选择准确率都能达到系统可用的要求,验证了两种方法的可行性。对SSVEP和P300多移动目标选择方法进行比较,SSVEP方法的响应速度快,机动性强,但是对于被试的适应性差异较大;P300方法相对速度慢,信息传输率低,但是稳定性高,适应性强。与传统静态BCI相比,本文实现的动态BCI范式对用户交互界面的限制减少,使用户在关注环境目标的同时能够掌握变化的全局信息,系统更加机动灵活,并且通用性强,结合不同的图像处理算法可以拓展应用到其他动态环境中,具有广阔的应用前景。