自二十世纪八十年代Stuart K.Card,Allen Newell,和Thomas P.Moran等人在它们的著作《The Psychology of Human-Computer Interaction》中提出了人机交互(Human-Computer Interaction,HCI)概念以来,世界各国都致力于HCI技术的研究。随着技术的发展,如今人类在复杂环境下的探索活动越来越频繁,任务也变得越来越复杂,如何通过最直接的人体语言让计算机理解人的行为和意图已经成为HCI研究的主要部分。其中基于人手运动追踪的人机交互系统拥有最有前途的应用前景,目前已广泛应用在工业、能源、国防、娱乐、抢险救灾和医疗康复等领域,并成为促进社会生产力发展的重要科技研究方向。本文针对现有的人手动作追踪系统存在的问题提出了一种基于匹配模型和优化算法的追踪方法。并以此为出发点,首先改进了一种量子行为粒子群优化算法,然后设计了一种用Denavit Hartenberg(DH)参数描述的铰链结构的简约人手模型。最后通过改进的优化算法对人手模型和目标输入之间差异进行优化从而得出当前人手的位姿信息。论文的工作主要有:(1)首先从需求出发选择一种能够在工程上快速、准确地对运动目标进行寻优的优化算法。根据本系统对待求解问题建模的分析,最终选择量子粒子群优化算法(QPSO)作为本系统的关键核心算法。同时,为了解决QPSO算法在系统中所遇到的早熟及收敛速度问题,提出了两种改进措施:通过改进的β分布吸引子模型加速种群的收敛速度;通过引入动态混沌机制使种群在搜索周期中能够有更大概率获得真实全局最优解,并在检测到粒子早熟时赋予种群以一定的概率从局部最优解逃逸。通过对通用测试函数和变分自编码器的反向重构的实验,证实了改进措施的有效性,而且算法性能超过传统粒子群优化算法及量子粒子群优化算法,并为下一步的运动追踪寻优打下理论基础。(2)为了获得精确的人手运动及位姿,通过对人手模型在生物学和运动学充分分析的基础上,建立了具有生物关节运动约束的可信人手模型。该模型具有仿生的人手结构,通过DH方法计算各连杆关节坐标系之间的数学关系,然后将26维的人手模型数据映射到位姿空间中,也即解向量空间中。并根据人手运动的特点对模型进行了约束,减少了后续最优解的搜索范围,提高了优化速率。(3)实现了用优化算法对目标手运动的姿态求解。首先利用Kinect获取目标手的深度图像,提出了对人手部位提取的预处理方法。然后对改进的量子粒子群优化算法设计了一种高效的Cost函数,用以准确地计算当前输入手和模型手之间的差异。整个追踪系统在“模型生成-匹配寻优”这样的框架下对手的运动进行追踪。实验通过对现实情况下人手运动追踪的时间性能和精确度进行分析,表明此基于改进量子粒子群优化算法的运动追踪系统可以实现复杂人手运动姿态的求解,并具有十分强的鲁棒性。