随着时代的发展,我们对于人机交互方式的要求逐渐提高,在传统的精确性基础上不断追求自然性和舒适性。手势是人与生俱来的交互方式之一,它拥有极强的直观性,这使得基于手势识别的人机交互应用越来越热门,手势识别同样也在手语翻译、医疗辅助系统和手势操作等各方面得到了广泛应用。本文基于手势的三维骨骼信息对静态和动态两种手势识别问题展开了探讨,具体研究内容如下:首先,提出了基于肤色信息和深度信息的静态手势识别方法。传统的基于椭圆肤色模型的手势识别方法只依赖肤色信息分割,容易受到类肤色信息的影响,本文结合骨骼信息对肤色模型分割结果进行再次分割,优化手势分割效果;本文提出使用HOG和LBP融合特征对手部区域进行特征提取,得到具有代表性的静态手势特征;最后通过上述步骤采集静态手势数据集,采用SVM算法完成分类测试,实验结果显示本文方法具有更高的识别准确率。然后,提出了基于骨骼信息的动态手势识别方法。针对动态手势在时空范围内存在多变性的特点,本文提出了手势帧数统一化算法,可以统一动态手势的时间长度以便用于后续操作;然后从动态手势的局部特征和全局特征两个方面提出新的特征描述符,用于减小其特征表示的空间复杂度;针对单一分类算法可能的偏差性问题,利用自适应融合算法对各种基本分类器加以融合,输出更具鲁棒性的结果;最后在DHG-14/28数据集上进行实验验证了本文中动态手势识别框架的合理性和有效性。最后,提出了手势识别系统的应用。在充分利用前文研究内容的基础上提出了一种手势操作系统,该系统利用设定的静态手势表达对应的语义信息,再通过动态骨骼信息实现操作系统的实时响应。最后在电脑上对该手势操作系统进行测试,实现了快速准确的手势识别,能够满足人机交互实时操作,进而验证了前文算法有效性。