随着计算机软硬件技术的飞速发展,人与计算机之间的关系变得日益紧密,人机交互的方式也变得愈发多样化。基于计算机视觉的无标记手势识别系统因其友好、自然的特性受到越来越多的重视。但目前基于视觉的手势识别仍存在一些难点,如识别率不理想,实时性差等。本文在对国内外研究现状进行分析和总结的基础上,从手势检测、手势跟踪和手势识别三方面进行研究,主要内容包括:1.手势检测方面。第一步根据手势颜色特征,首先研究了基于椭圆肤色模型的手势肤色分割方法,分别对肤色在RGB、HSV、YCbCr色彩空间下的聚类性进行对比和分析,然后结合连通域特征对椭圆肤色模型进行改进,能够实现复杂背景下手势肤色和面部肤色的有效区分;第二步在肤色分割的基础上,根据手势纹理特征,研究了基于Haar-like特征的Adaboost快速分类器,采用多特征结合的方式,有效降低图像处理数据量,并能够提高手势的识别率。2.手势跟踪方面。研究了 Mean-shift物体跟踪算法,并针对手部的缩放、视角等问题,结合SIFT特征,对Mean-shift物体跟踪算法进行改进。改进后算法能够对手势区域进行空间矫正,有效提高手势跟踪的精度,对于手部的缩放以及亮度的变化也具有较好的鲁棒性。3.手势识别方面。研究了用于系统指令控制的静态手势识别算法,针对手势的梯度直方图特征,采用支持向量机模型对梯度特征进行分类,能够进行静态手势识别。然后自建基本手势库,对分类器进行训练,采用训练完成的分类器对手势库中的手势进行识别,准确度达到94.2%,识别准确度和速度均优于文献中数据。