煤矿生产作为高危行业事故时有发生，井下救援任务艰巨、搜索环境复杂，人工抢险存在危险。而被困人员多以手势为惯用的呼救方式，因此研究基于手势跟踪的救援机器人以代替传统人工搜救，对保障救援人员生命安全有着重要实际意义。论文以基于机器视觉的救援机器人为平台，通过研究复杂多变的手势运动，研究适用于井下环境中的特定目标跟踪方法，并以此引导救援机器人的运动，完成对运动手势的跟踪。针对井下光线分布不均与粉尘较多等问题，论文研究了适用于井下环境的目标检测算法。对灰度图像进行霍特林变换，突出手势目标特征边缘，增加信噪比；采用Roberts边缘检测算法对手势目标进行边缘检测，并用K均值分类法对其进行分类，实现静态手势的标识；通过目标的灰度分布性，改进了Camshift差分法，提高了目标跟踪的精确性与稳定性；针对井下手势目标在运动中大小和姿态变化，建立自主变换的手势模板，自适应改变伸缩比和旋转角度，提高算法的匹配精度；针对跟踪大面积干扰，增加判断函数，引入背景差与帧间差相与的目标区域，作为重新初始化窗口。论文还提出一种基于等空间间距采样的几何定位法，对目标定位；并能完成简单的语义识别。仿真实验结果表明：该算法具有很好的匹配精度、实时性和稳定性，对于目标的状态和大小的变化以及粉尘遮盖等现象有较好的适应性。论文在以DSP为核心芯片的救援机器人平台中实现上述算法。调试结果表明，系统能在井下对手势进行跟踪，达到预期目标。最后，论文通过研究结果对井下救援机器人的手势跟踪方法进行总结，对其应用前景进行了展望。