随着人工智能的快速发展,人机交互在生活中经常可以看到。而近年来由于疫情的爆发,为了减少病毒传播,越来越多的研究者将目光投在了人机交互的手势识别方向。传统的手势识别算法鲁棒性差、精度低,成熟的手势识别又依赖于一些昂贵的设备,比如数据手套。随着目标检测算法取得了巨大成功,手势识别领域开启了新的研究方向。本文主要研究基于深度学习的静态手势识别与交互,其主要研究内容如下:（1）为了模型能够训练,用相机采集了6种类别的手势图像,丢弃里面一些目标不完整的图像,最后留下了2540张图像,通过LabelImg软件对手势图像进行标注,制作手势数据集。（2）采用深度学习模型YOLOv4进行手势研究,并对YOLOv4模型做出改进,使手势检测的准确性得到提升。首先在YOLOv4的基础上,将输入图像分辨率大小调整为416×416,然后利用K-means++算法在自制的手势数据集上进行聚类,生成9个更符合手势特征的先验框尺寸,提高先验框的定位准确度。其次,为了有效减小预测框和真实框宽高之间的真实差异,对损失函数进行改进,在位置回归损失函数中引入了EIOUloss。最后在自制的数据集上对改进前后的YOLOv4进行实验对比,实验表明改进后的YOLOv4目标预测框更加拟合真实框的位置和大小,同时手势识别的精度得到了有效提升。（3）针对CPU设备算力不足的问题,在改进后的YOLOv4的基础上,提出了一种轻量化的模型YOLOv4-MobileNetv2-Lite来减少模型对算力的需求,减少模型的推理时间,提高手势的识别速度。YOLOv4-MobileNetv2-Lite通过将改进后的YOLOv4中的CSPDarknet53主干网络替换为一种轻量化的网络MobileNetv2,用深度可分离卷积去代替颈部和头部中卷积核大小为3×3的标准卷积,使模型的参数量和乘法累积操作数显著下降,手势识别的速度得到了很大的提升。最后为了让模型在处理图像的时候更加关注目标手势区域,在MobileNetv2主干网络和有效特征层之间加入注意力机制CBAM,提高模型的性能。（4）基于轻量化模型YOLOv4-MobileNetv2-Lite搭建了一个手势控制音乐播放器的应用交互系统,将手势识别用于人机交互当中。音乐播放器通过Py Qt5进行搭建,使用轻量化模型YOLOv4-MobileNetv2-Lite进行实时的手势识别,并将识别的结果转化为指令传输给音乐播放器进而控制音乐播放器做出相应的操作。最后通过实验验证了YOLOv4-MobileNetv2-Lite模型的有效性和实时性。