随着计算机和互联网的迅速普及,人们的生活质量有了巨大的提高,居住条件也得到极大改善,人机交互愈发成为日常生活的重要组成部分。手势识别技术以自然直观的人手作为输入方式,提供给用户和谐、自然的交互方式,是人机交互领域的研究热点。传统的手势识别主要是基于可穿戴传感器或计算机视觉的手势识别,前者需要用户佩戴专业的机械设备,人机交互体验“自然性”不佳,适用范围窄；后者改善了用户体验性,但受使用环境或设备位置角度的限制,携带不便,识别算法复杂。本文结合智能家居的应用场景,提出了一种基于红外的3D手势识别方法和技术,旨在提高对几种常用手势的识别正确率。通过研究红外手势识别原理,建立多光源红外场阵列模型,研究手势识别系统,包括系统硬件设计和算法设计两部分。其中硬件设计部分包括硬件选型和电路设计,且为了拓展应用加入红外学习功能,算法设计部分主要是提出了一种基于区间分布概率特征的手势识别算法。利用红外传感技术获取不同手势的红外反射数据,对数据进行预处理,然后根据不同手势的运动特征,提取区间分布概率特征,并通过建立不同手势的区间分布概率特征模版分类识别,输出显示。其中平面手势采用最大最小分布概率区间识别,Z轴手势采用KNN分类识别。最后,论文研究的基于红外的3D手势识别技术成功应用到2种典型的智能家居设备输出控制上,通过实验验证,实现了对自定义的6种常用操作手势的识别,每种手势识别50次,共300次,平均识别正确率达97%,实验结果表明,面向智能家居基于红外的3D手势识别系统具有操控简单安全、识别率高、识别成本低和兼容性好等优点,特别适合或补充现有智能家居人机交互界面,可以推广应用到多种场合,具有广泛的应用前景。