纵观计算机发展的历史,计算机变得越趋智能化,人与计算机的交互方式越来越趋于自然简便,并带动了人机交互领域的发展。其中最自然最方便的交互方式是体感交互,通过自己的肢体语言控制计算机系统,这些肢体语言又以手势最为丰富、使用最为频繁。然而目前手势交互技术还存在一些不足：需要采集计算大量的训练数据、不能实现实时性的要求以及不能识别相似性高的手势等。这些缺点,一定程度上阻碍了该技术的发展,所以要能够实现自然、精确以及实时性的特点,仍是一个具有挑战性的课题。本文主要对手势的分割、手势形状的分解、手势骨架的提取以及基于手势骨架的手势识别中的若干问题进行了研究。作者在前人的研究基础上做了进一步的探索性研究：1)提出了一种基于Kinect的深度信息以及肤色信息相结合的复杂背景下的手势分割方法。根据贝叶斯肤色标记的像素点在深度图像中对应的深度值得到深度的统计直方图,获得深度阈值,并用阈值法将手从背景图像中分割出来,可以快速准确地实现手势分割；2)提出了一种改进的凸分解算法对手势进行形状分解,进一步计算得到表示手势特征的骨架信息。与其他表示手势的特征相比,手势的骨架信息能够最大程度上保留手势原始信息。实验结果表明,其计算复杂度以及时间复杂度比传统凸分解算法有了大幅度降低；3)采用了一种基于路径相似性的骨架图匹配算法对手势骨架进行匹配,该方法不依赖与手势的拓扑信息,所以正确性高,而且还能够提高相似手势的识别的正确率。本文采用的方法通过实验证实了其在手势识别过程中的可行性以及有效性。