研究运动指尖点的检测问题,是用户对界面内精细命令精确执行的关键。指尖检测问题涉及到图像处理的多方面,包括图像预处理和指尖检测。由于背景环境相对复杂、加上手指形状多变化和实时性要求等问题的约束,精确的检测指尖依然是一项难题。在前景提取中,现有方法大致采用肤色分割或运动分割来提取手部。前者阈值不易设定,且干扰因素较多,后者往往模型适应能力差。学者们在常用方法基础上进行创新,取得了一定成果,如应用较多且较为有效的基于YCb Cr空间的混合高斯模型,但其未考虑点的空间联系,单纯的考虑点在时间上的变化,应对变化环境时目标边缘存在锯齿。本文将邻域像素连接权融合到自适应混合高斯模型中来得到运动区域,即加入物体像素点的空间邻域信息,对原有的混合高斯肤色模型进行改进,由类最大后验概率来求得相邻像素所属的高斯分量。使得时间与空间相统一,弥补了原有算法忽略点空间关联的缺点,同时自适应的减少高斯分布个数,使其满足实时性;并设计了一种带权重的颜色计算模型的阴影去除算法,降低色彩分量的权重来减弱亮度干扰。对比实验表明改进后的前景分割的F值有0.05-0.27的提升。现有单目指尖检测算法或多或少存在干扰点和人为设定阈值问题,过程中阈值无法自动调节能。有学者尝试用算法相结合的方式来排除干扰,但效果不够明显。对此,本文利用改进的重心距离法进行指尖位置检测来去除干扰点,从手部整体特征出发,根据指尖点的圆弧性质排除干扰点,即计算出指尖点与其对应圆弧的平均误差,误差越小的点越有可能是指尖点。使用与前景分割不同的数据库进行实验,结果表明改进后的方法在复杂背景及指尖变形的条件下的指尖检测的平均准确率为97.26%,每帧图像平均处理时间为23.43ms。高效快速的实现了指尖点过滤,表现出很强的鲁棒性,且满足动态检测的实时性要求。最后将检测出的指尖点应用在手势识别中作为简单应用。