手势作为一种自然直接的交流方式,是一种新型的人机交互模式。操作者只需要通过在设备之前形成手势,便可与计算机进行互动。目前手势识别的理论和技术发展并不成熟,该领域是计算机学科的一个研究热点。Kinect作为一种新型的体感输入设备,有获取场景内物体深度信息的能力。将新型的Kinect第二代作为手势识别的源数据的获取传感器,应用数字图像处理技术进行处理加工,之后提取出手势的特征,进行静态手势识别,遵循了手势识别的一般性步骤。首先详细介绍了如何使用新型的Kinect二代传感器获取深度图像,并通过使用上下限阈值分割算法对深度图像进行分割,得到手部的二值图像。之后计算出手势的轮廓、凸包、凸缺、重心等形状特征,将简单的特征进行组合,得到可以对手势凸包形状和凸缺位置进行描述的组合特征。最后使用常见的有监督分类算法对使用组合特征进行手势识别的有效性进行实验,并在不同室内光照条件下进行实验。针对12种由不同手势模式类构成的手势库,实验结果表明应用该手势表示方法可以有效地训练分类器,统计得出分类正确率达到91.7%。在室内三种不同光照条件下进行的实验表明,该手势识别方式几乎不受光照条件的影响。同时具有运行稳定、实现简单的优点。