近年来,随着科学技术的迅猛发展,人机互动方式也在飞速发展。对于传统的互动方式比如运用键盘、鼠标等硬件来说,以手势为方法的互动方式最直接最有效,也最顺应人们的生活习惯。为此,手势识别具有广阔的运用范围,这也是人机互动范围内最受关注一个课题。基于单目摄像头的手势识别方法很容易受到光照变化与类肤色的影响,让识别结果会出现一些误差。本文利用微软最新设计的Kinect摄像镜头,可明显地降低环境要素对手势识别的干扰。本研究基于深度信息的RGB数据源,提出并实现了在复杂背景条件下的静态手势识别及动态手势跟踪识别,所做工作如下:1.首先自定义九种静态手势,其次引入肤色模型和深度信息提取精确的手势区域数据,对手势二值图利用Border-Following算法获取手势轮廓,运用基于曲率检测法定位指尖,从而确定手指数,同时计算指间夹角,引入决策树,建立以手指数和指间最大夹角的决策树模型,实现对自定义的九种静态手势的正确识别。实验证明,该方法不受光照变化和复杂背景的影响,可快速有效的进行手势检测识别,并具有较强的鲁棒性和稳定性。2.定义动态手势模板,对已提取的手势区域数据采用距离变化方法获得手心坐标,通过连续静止法确定动态手势的起止点,获得动态手势运动轨迹模型,提取轨迹点X,Y平面坐标,计算相邻点间的角度值作为手势特征,采用8方向链码将角度值量化获得特征序列。采用动态时间规整(DTW)算法对手势进行训练识别,实现了对动态手势识别,平均识别率达到96.42%。