随着消费电子市场的发展,越来越多新颖的人机交互技术(Human ComputerInteraction,HCI)被引入到消费类电子领域,包括人脸识别、面部表情识别、语音识别、手势识别等。人的手势作为人们日常生活最为广泛的一种交流方式,具有自然、直观、易于学习、适用性广等特点。近年来,基于手势的人机交互技术逐渐成为了研究热点,也越来越多地被应用于机器人交互系统、增强现实应用、模拟操作系统、智能家居等领域。　　 本文主要研究基于视觉的手势人机交互技术,并尝试在此基础上构建一个面向MeeGo平台基于手势的人机交互应用框架,为MeeGo平台的开发者提供一种新颖的人机交互接口。主要研究的内容包括复杂背景下的手势分割、手势跟踪、静态手势识别、动态手势识别等关键技术,并综合考虑平台和应用场景的特性,选择合适的算法作为研究重点。首先针对复杂背景下的手势分割给出一种结合肤色分割和帧间差分运动分割的多信息综合分割解决方法。接着,本文概述了常用的手势跟踪算法并重点讨论了CamShift跟踪算法,为了解决CamShift算法鲁棒性差问题,本文给出一种结合卡尔曼滤波器进行预测的改进算法K—CamShift跟踪算法。在静态手势识别方面,采用基于模板匹配的经典算法,通过提取手形Canny边缘的Hu不变矩作为特征向量,然后利用加权欧式距离进行相似性度量。动态手势识别则是应用HMM模型作为训练和识别的方法,通过量化运动向量获得手势轨迹的特征向量,然后应用HMM模型计算最大似然值来判定待识别手势。最后,本文在此研究的基础上给出了面向MeeGo平台手势交互框架设计与实现,给出了一般应用程序的调用流程,并应用Intel的优化工具集来实现性能优化。实验结果表明,改进K-CamShift跟踪算法具有较强的鲁棒性,静态手势识别和动态手势识别均能达到90％左右的识别率,具有良好的识别效果。应用手势交互框架实现的手势控制Mplayer播放器的应用案例,进一步说明了手势交互框架的有效性和可行性。