手势作为人们日常生活中常见的交流方式在人机交互系统中应用广泛,手势识别技术也是国内外学者热衷于研究的热点课题之一。手势识别系统在工业生产、家庭娱乐、远程教育等领域有着十分广阔的应用前景。在本文中,以5DT数据手套作为数据采集设备获取人手关节的数据,经过归一化之后建立手势数据的通用模板,然后分别采用BP算法、GA-BP算法以及CGA-BP算法针对手势数据模板进行学习并采用MATLAB软件仿真学习过程,借助于Ogre、My GUI平台以及MFC编程技术搭建实验环境并完成虚拟手势模型的建立。在对人手关节模型理论分析的基础上,建立了人手关节和5DT数据手套传感器之间的对应关系并提出了关节约束条件。以右手食指根部为全局坐标原点建立了手部运动模型并进行了矩阵分析。采用5DT数据手套采集手势数据建立通用的手势学习样本和测试样本,结合经验值和实际实验确定BP神经网络的结构以及相关参数,采用基本的BP神经网络对学习样本进行前向输出。针对BP算法的缺陷,采用遗传和混沌算法结合的策略对权值和阈值进行反向调整。在迭代过程中,采用遗传算法产生粗略最优解,然后混沌算法添加混沌扰动完成最终的寻优过程。采用Ogre和My GUI平台构建手势虚拟环境并采用MFC软件技术建立5DT数据手套实验平台,使得人手在运动过程中能够真实的重现。同时在实验系统中还可以对BP、GA-BP以及CGA-BP设置不同的参数进行算法性能比较。