随着计算机技术的飞速发展,人们对人机交互的需求不断增加,利用计算机来理解人类行为,使人机交互更加简单化和人性化。手势识别作为一种直观、人性化的交互方式具有广泛的发展空间和市场需求,引起了许多研发人员的关注,已成为人机交互领域的研究热点。本文以Kinect传感器为基础,主要研究了动态手势识别技术,设计并实现了一个可以完成动态手势识别和手势控制视频播放器两大功能的完整系统。本论文的研究主要从以下方面展开:首先,研究Kinect传感器获取深度数据和骨骼数据的原理,同时分析动态手势识别的具体方案,对各个模块用到的技术做了详细的研究。其次,分析手势检测方法并利用基于速度阈值的方法进行手势检测;在此基础上跟踪并记录左手、右手、左肘、右肘、肩部中心、左肩和右肩这七个关节点的骨骼三维坐标数据;同时,采用人体关节点相对距离系数作为动态手势识别算法的主要手势特征,构造出每帧4维的手势特征向量;分析常用的动态手势识别算法,重点研究了动态时间规整(DTW)算法,并作出搜索路径限制和距离加权两点改进,通过在限制寻优路径的同时对特征向量中的每个元素赋予不同权值,从而优化两个序列的匹配过程,在获取最优规整距离的基础上利用KNN算法得出识别结果。最后,搭建了一个完整的动态手势识别系统,定义了七种常用的交互手势,实现了视频播放器的实时控制功能。实验结果表明:本文改进的DTW算法对预定义的七种手势平均识别率达96.3%,且在不同的背景和光照条件下有较强的鲁棒性。可以实现在实时条件下利用动态手势控制视频播放器的功能,完成简单的人机交互。