人机交互技术一直是当今社会计算机技术快速发展情况下的研究重点,其在多个领域中都有着广泛的应用。传统人机交互技术主要受到了硬件设备的限制,这就使得基于视觉的手势识别技术的人机交互技术应运而生了,其在让人机交互方式变得更加友好、自然的同时,并不受到硬件设备的很大限制,被广泛应用于多项领域当中,成为了当下人机交互技术中的主流研究领域之一。在上述背景下,针对传统手势识别技术的五个部分:手势采集、图像预处理、手势检测、特征提取、手势识别,本文结合传统手势识别技术中图像预处理方法的相应优势,设计深度学习卷积神经网络模型对手势图像进行训练和判断。对手势识别图像处理相关算法进行了研究对比,分别基于HSV颜色空间和YCb Cr颜色空间对手部肤色进行提取。针对两种方法各有优缺点,提出一种肤色提取融合算法,将两种方法的优势结合,对手部肤色提取达到了良好的处理效果。针对Le Net-5经典网络模型的准确率不足等问题,对其进行改进并对手势图像进行训练,达到了良好的训练和判断效果。以上述模型为基础作为上位机,对手势识别技术进行一个应用,将判断手势所得到的信息作为执行指令,通过无线通信技术发送给下位机对设备进行控制。在动态手势的图像处理阶段,针对其手势部分相对于背景图像存在时空上的差异性这一特点,提出一种基于背景差分法和HSV颜色空间的动态手势肤色提取结合算法,将手势从复杂背景中较为完整的分割出来,之后利用上述模型对手势进行判断,最后使用无线通信技术对数据进行传播并执行相关指令。本文对基于视觉的手势识别技术及应用进行了相关研究,在图像处理算法以及网络模型上进行了优化,使识别效果得到了提高,并基于此将手势识别系统应用于智能台灯上,具有较强的实用性和研究价值。