人机交互(HCI)是人们日常生活的一个重要组成部分，其交互方式也是多样的，由于手势更加符合人类的自然交互，基于手势的交互方式已成为当前人机交互领域的研究热点之一。手势交互需要构建一套手势识别系统，其实现方式也是各不相同，目前，基于视觉的手势识别由于对用户的限制小、使用自然度高，成为手势识别的主要研究方向。手势识别系统在实际应用中，一般面临着识别率和实时性两个问题，本文主要从这两方面进行研究，其主要内容如下：首先，分析了常用的运动检测方法，并在此基础上提出了基于运动历史图像和椭圆拟合的手势分割方法，通过分割出运动的手势区域来缩小手势识别的范围，以降低识别阶段的运算量。其次，研究了梯度直方图（HOG）特征提取和支持向量机（SVM）分类识别的原理，设计并描述了基于HOG和SVM的静态手势识别的实现步骤，并通过实验分析了该方法的识别率和实时性。最后，提出了结合运动检测的手势识别系统构建方法。在该系统中，本文由于只在手势备选区域进行识别，提高了实时性能；在识别率方面，本文提出了对几何间隔的比较和对多尺度检测结果进行累加，提高了识别率。从实验结果可以看出，本文提出的方法在识别率和实时性上都达到了较高的水平。