随着计算机技术的迅猛发展,人与计算机之间的交流也越来越多样化。而一些传统的人机交流方式,比如键盘,鼠标,麦克风等,已经不能完全满足需要。新的人机交流方式与传统的人机交流方式相比,新的人机交流技术更加注重“人性化”。手是人身上最灵活的一个部位,手语被认为是人的第二种语言。因此,对手势识别的研究成为近几年的研究热点。手势识别包含的领域有:电脑视觉,模式识别,生物统计学等。本文主要研究手势的识别与跟踪的方法,然后在此基础上架构出一个动态手势识别系统。由于一些识别与跟踪的方法在应用方式上的不同,系统对手势识别的效果也会不同。本文在对几种常见的手势识别和手势跟踪方法进行分析比较后,选择了最适用本系统的手势识别与跟踪方法作为重点。实验结果证明本系统具有良好的实时性和正确性。基于单目视觉下的手势识别技术一般由手势建模,手势分割,特征提取,手势匹配这几个关键技术构成。而手势分割是利用手势识别程序进行手势识别最困难也是最重要的一步。它是计算机进行后续处理的前提。本系统将人手的图像由RGB空间转换到HSV空间后,在HSV空间利用肤色阈值对人手进行分割。实验结果表明,肽色分割方法实现简单且分割的效果好,非常适合手势分割。基于单目视觉下的手势跟踪算法目前最主流的是粒子滤波算法和Camshift算法。本文在简单介绍这两种算法后,决定使用Camshift算法对手势进行跟踪。由于Camshift算法是半自动算法,在对手势进行跟踪前必须对手势进行手动标定。因此本系统采用了手势跟踪与手势识别技术相结合的方法,改进了Camshift算法,解决了Camshfit的半自动问题,实现了实时的手势识别。