最近几年,随着计算机技术的迅猛发展,手势识别逐渐成为除语音识别外的一个重点领域。手势识别可以用于娱乐,聋哑人教学,机器人控制等方面。手势识别技术有许多种方法,其中以基于视觉的手势识别技术最为方便,代价最小,但是也存在不少难点,如:如何将手势从背景中分割,如何选择手势不变特征等。本课题主要针对服务机器人在一般室内环境下的特点,设计出了一套完整的手势识别系统,能识别10种静态手势与30种动态手势,识别率达90%以上。首先,采用单目摄像头获取图像信息,在视频流中截取一系列手势图像,进行平滑处理(卷积滤波)。然后,采用色度阈值与手势几何特征相结合的方法,成功将手势与复杂背景分割。在特征提取方面,主要将几何特征作为手形特征,并将手形特征和动态轨迹特征相结合,组成特征向量。在样本训练方面,采取了基于欧氏距离的判别方法,完成了样本数据的提取工作。在手势识别方面,通过分析特征向量空间,采取判定树粗分类,模板匹配与贝叶斯决策相结合的细分类方法,完成了分类器的设计。在系统设计方面,提出二次判定法,完成了“开始识别”指令的设计,并设计出了相应的训练学习、识别界面。在此基础上,进行相关的实验,包括特定人、非特定人手势识别实验,明暗背景对比实验,非定义手形的误判别实验,证明了手势识别算法的有效性,实时性与稳定性。最终,通过机器人运动控制模拟实验,验证了该算法在实际运用上的可行性。