信息革命开始以来,人类一直在探讨人机共生的可能性并提出人机交互技术的概念,目的在于提高人们的生活质量和工作效率。传统的人机交互要求用户通过键盘、鼠标和触摸屏等与机器人进行沟通,其操作相关约束性已经无法满足用户日益增长的高要求。随着语音、图像、手势等新一代识别技术的发展,人机交互的设计理念已经由人类适应机器的运行规则,转变为机器适应人类的交流方式,使得人机交互以尽可能自然的方式出现。手势作为人类交流常用方式,其表达方式具有简单直观、语义丰富的特点。因此手势识别在人机交互领域的研究应用一直是学术研究的热门课题。目前针对手势识别的研究主要包括手势视觉图像处理和手部可穿戴传感器数据建模等方式。基于视觉图像处理的手势识别研究方案需要用到摄像头采集手势图像,其识别效果容易受到光照、肤色以及设备精密程度的影响。而基于传感器等数据手套的手势识别成本较高,且携带电池的传感器便携性较差,不利于日常生活的普及。本文针对上述问题,提出了使用RFID射频识别技术实现对动态手势的识别。使用商用RFID读写器采集标签反射信号初始相位流,并基于卡尔曼滤波器、相位周期性等特性进行数据初始化处理;在手势特征提取方面,对数据进行加窗处理解决标签反射信号在时域上的不连续性,并利用KL散度的概念比较相邻窗口离散概率分布,以此来确定手势执行的开始和结束端点,从而提取出相应的手势指纹特征分段;在手势识别和特征匹配环节,利用动态时间规整(dynamic time warping,DTW)算法计算当前手势分段与先验手势指纹库中各一维分量的匹配程度,并基于分类树和横向归一化的思想对DTW算法进行指向性优化改进,最后结合k邻近算法实现多标签融合的手势识别。为了验证动态手势识别系统的识别性能,本文针对预定义的9种手势建立了标准的指纹数据库,在此指纹库基础上进行实时动态手势识别的实验。另外,针对动态手势识别的交互应用,本文设计了一个四足机器人手势控制系统,使用蓝牙串口通信实现用户对机器人的手势控制。实验结果表明,用户动态手势特征轮廓能够被有效分割且误差偏移较小。手势识别算法的平均准确率能够达到91%,证明系统在真实环境下具有良好的可行性和鲁棒性。