当今科技的迅速发展已经缺少不了计算机的广泛应用。随着科技的发展,用户对于计算机功能的期望越来越高,人机交互仍是现今研究的热点之一。而随着计算机技术的发展,现今人机交互方式——键盘,鼠标,写字板已经不足以满足人们的需求了。由于设备的局限性,可用的指令集也是很有限的。直接使用手作为输入的方式是一种很值得关注的自然人机交互方式。自然人机交互由基于文本接口,基于2D图解接口,多媒体接口,演变成现在的多角色参与的虚拟环境(VE)系统技术。试想一下未来的人机交互：人们可以使用一个3D应用程序,仅需挥动手,就可以移动物体,而在整个流程里,人手不用接触任何输入设备。而计算机视觉技术的发展,使这一设想能够在未来一天走进人们的现实生活成为可能。为了使基于深度图像信息的手势识别能够在自然场景下付诸应用,本课题对当今手势识别技术进行深入研究和分析,以深度图像信息作为信息采集对象,结合中值滤波、Suzuki的轮廓跟踪等算法,设计并实现一套手势识别系统。系统分为两个模块：手势检测和手势识别。系统在运行的过程中,首先通过体感外设Kinect采集用户的手势信息(RGB彩图和深度图),存储采集到的图像信息；然后将图像信息进行图像分割和图像预处理,获得手势主体——手的二值掩码图；接着,通过使用Suzuki轮廓跟踪算法对手势建模,获取手的轮廓图；针对这幅轮廓图对手势进行特征提取,采用了两种特征方法进行识别：基于凸包与凸缺陷的几何位置识别和基于Hu矩的结构匹配。本文的手势识别问题本质上属于小样本,非线性模式识别问题,为了提高系统识别的识别率,系统采了SVM分类法对多个手势样本的Hu矩和凸包和凸缺陷特征值进行训练和测试。经实验验证,“0”～“9”手势的识别率达95%以上。最后调用相应的手势信息所控制的函数,进行人机交互操作,例如,结合幻灯片控制技术,实现手势控制PPT。