目前，遥控器、鼠标、键盘等作为已经广泛使用的人机交互手段，虽然已经取得了很大的进步并已经得到广泛的认可，但是从自然、直接、方便的方面考虑，仍然存在许多不尽人意的地方。计算机及智能科学的飞速发展使手势识别技术成为新一代人机交互方式的可能。　　 在基于表观的手势识别中，手势分割技术几乎都是基于简单背景或者在增加各种限制的条件下进行，如设置纯色背景或要求手势者带有特殊颜色的手套等，这样人为地创造有利条件给手势的分割带来便利的同时给人机交互的应用却带来了更大的限制。　　 本文实现了对各种复杂背景、不同光照条件的九种静态手势进行分割和识别。首先提出一种邻域变换算法，克服不同光照强度对分割的影响，然后提出一种求最小平均Hausdorff距离区域的算法，克服不同手势形状、方向、尺度等对分割的干扰。实验结果证明整个算法可以在各种复杂背景及不同光照条件下很好地分割出手势区域，分割正确率达到99.8[％]。最后，在把数据输入SVM训练前，提出一种方法减少了大部分冗余信息，改进了SMO(Sequential Minimal Optimization)算法训练二叉树结构的支持向量机多分类器，对本实验采集的各种自然条件下的九类手势的识别率达到80.44[％]。实验结果表明我们在手势识别的各个阶段提出或改进的算法非常有效，并且具有一定的实用价值。