随着人机交互技术的发展,更智能、更自然的交互方式成为未来人机交互的发展趋势。手势作为一种自然、直观的交互方式,在人机交互过程中起着越来越重要的作用。基于计算机视觉的手势识别是新一代的人机交互方式,有着重要的理论研究价值和应用前景。一个完整的基于计算机视觉的手势手识别系统主要分为手势的检测与跟踪、静态手势识别、动态手势识别三个部分。文章针对基于单目视觉的手势识别中的若干关键技术进行了研究,包括图像预处理、肤色分割、跟踪以及识别算法等。文章重点研究了基于计算机视觉的目标跟踪算法。通过对常用跟踪算法Mean Shift以及CAMSHIFT的学习,提出了一种基于CAMSHIFT的改进算法,该算法可以在跟踪目标丢失后,通过自动扩大搜索窗口的方法恢复跟踪,算法运算简单,实时性高,适合实时跟踪应用。另外,由贝叶斯滤波原理开始,研究了Kalman滤波器、粒子滤波器及其粒子滤波理论在视觉跟踪中的应用。文章设计了一种基于模型与基于表观相结合的手势识别系统。对于高自由度、高维度的3D手势进行了2D简化,提出了一种适用于变形手势识别的手势模型。并且提出了一种实时的根据手势轮廓曲率检测手指指尖的新方法。手势跟踪方面,该系统使用将Kalman滤波与改进的CAMSHIFT结合的算法对手势区域进行初定位,这种算法不仅可以通过Kalman滤波对搜索窗口进行估计与校正解决手势与肤色区域重叠造成的影响,还可以通过改进的CAMSHIFT算法解决手势运动加速或移动出摄像头视野后造成的手势跟踪失败的问题。使用YCbCr色彩空间肤色检测技术对手势进行分割,在提取手势轮廓后进行手指指尖的检测,使用粒子滤波对手指关键轮廓进行跟踪,降低了算法的运算量。该方法适用于稳定的、实时的可变形手势跟踪应用,能够满足基于视觉的实时人机交互的要求。