手势作为一种新型的数据输入方式，可实现与计算机系统之间更为自然、便捷的交互，在游戏、医疗、教育等领域得到了越来越广泛的应用。而随着应用领域的不断拓展，各种新型的应用，如神经解码的研究，对手势输入的精确性提出了更高的要求，需要更为精细的手指关节运动信息。现有的各种手势输入设备和方法还无法完全满足这些新型应用的要求。和数据手套等手势输入设备相比，光学运动捕捉设备可获取更为精确、稳定的手势数据，但需要解决因遮挡等造成的数据缺损问题，方可适用于更为精细的手部运动获取。　　 因此，本文以获取更为精细的手部运动数据为目标，采用基于光学的运动捕捉技术，做了两方面的工作，首先，针对手部运动的特殊性，对现有的光学运动捕捉设备的使用和数据处理方法进行了改进。建立了适用于手部精细运动状态捕捉的技术框架，给出了切实可行的技术方案，包括安装、调节和使用运动捕捉设备获取标记点的位置数据，基于卡尔曼滤波器的标记点跟踪和识别方法，手指的运动状态参数计算方法，及基于可变比例模型的数据可视化方法四部分内容。　　 其次，基于手部运动数据的冗余性，针对光学运动捕捉中常见的标记点数据丢失问题，提出了一种解决方法。该方法的特点是可采用冗余标记点的信息，可结合多种运动捕捉数据，可利用人体运动数据周期性规律，将手工处理和机器处理相结合，实现对运动捕捉过程中缺损数据的恢复。实验结果表明，和三次插值方法相比，该方法可大幅度提升缺损运动捕捉数据的恢复精度。　　 最后，将上述技术方案应用于虚拟手交互平台，分别实现了基于手势识别的虚拟家居场景漫游和交互控制，以及对虚拟物体的抓取操作两个交互应用系统，从不同角度说明了本文所述方案的可用性和有效性。