随着社会需求的不断增长，手势因其便捷、自然、直观的特点，成为人类日常生活中最常用的沟通方式之一。手势识别在机器人控制、医疗诊断、虚拟现实等方面有着广泛的应用前景，成为人机交互领域的重点研究内容。本文研究基于肤色分割的嵌入式手势识别技术，并将算法移植到ARM11架构的S3C6410处理器，旨在解决静态手势识别的准确性和实时性问题。本文通过对手势识别过程中各项技术的细致分析与深入研究，将主要工作分成五个部分：一是颜色空间选取，在亮度与色度分离的YCbCr空间进行图像转换；二是图像预处理，降低图像中含有的噪声并突出边缘和细节特征；三是手势图像分割，统计肤色在CbCr色度空间的分布情况，计算每个像素点的肤色相似度值，对传统的Otsu算法进行改进，利用动态阈值将图像分割成人手目标和背景两部分区域，通过形态学处理消除剩余的毛刺和空洞；四是手势特征提取，采用八邻域搜索法获得封闭的边缘轮廓，通过不变矩提取轮廓特征，包括手势轮廓中心、周长、面积、凸包络等；五是手势识别，将采集到的手势图像与事先载入的模板图像进行相似度比对，输出匹配的手势模板序号。本文的重点研究内容是自适应阈值肤色分割算法和Hu不变矩轮廓特征匹配算法。系统利用Linux特有的V4L2接口采集视频图像，搭建嵌入式交叉开发环境，移植计算机开源视觉库OpenCV和图形界面库Qt到开发板。通过程序的交叉编译实现在嵌入式平台上应用手势识别系统，能够完成对数字手势的准确识别，正确率达到91.3%。