手势是人类的一种自然语言,具有自然、简单、方便、实时性高的特点,它不仅不受地域、环境和文化的限制,而且在某种程度上比语言交流更方便,因此在人机交互领域很多研究者致力于通过手势判断传递的信息,手势识别技术应运而生。由于手势形态的灵活性和动态性,基于视觉的手势识别成为实际应用的主流趋势。本文在复杂背景下对基于视觉的手势识别方法进行了深入研究。主要针对手势分割、特征提取和识别匹配几个关键技术进行了一系列的研究和实验。在手势分割阶段,针对图像受噪声影响导致分割效果不佳的问题,提出了一种改进的手势分割算法。首先对图像进行肤色建模,得到肤色阈值。然后根据像素的邻域信息对图像进行局部自适应滤噪。为了得到更好的分割效果,针对二维Otsu算法选取阈值时的缺陷,结合肤色阈值对阈值组合进行优化,并新增组间平方和作为适应度函数计算最佳阈值,实验结果表明,改进后的分割算法提高了手势图像的分割效果。在特征提取阶段,针对手势受缩放、旋转的影响导致识别率低的问题,提出了一种基于手势几何分布的HGD特征提取方法,首先对分割后的手势图像进行归一化,并计算手势主方向和手势的宽长比,利用相似度函数进行初步识别,筛选出部分候选手势;再统计手势轮廓点分布在直角坐标系中的坐标,使用修正Hausdorff距离作为相似性度量方法识别出最终手势。为了证明HGD算法提取出的手势特征具有更好的性能,设计了一系列实验进行特征的匹配识别。首先对算法本身的性能进行了实验分析,实验表明HGD算法不受光照强度和手势背景的影响,在不同的光强和背景下都有较好的识别率。另外还与三种同类特征提取算法了进行识别对比实验,实验结果表明,本文方法能够快速准确的识别各种情况下的手势,在一定条件下,平均识别率为92.89%,平均误识率为3.53%,识别速度较同类算法提高了4.2倍。