在科技飞速发展的今天,智能眼镜等各类穿戴产品正逐渐进入人们的日常生活,人机交互方式也逐渐从键鼠等以硬件为中心的模式转向手势、语音等以用户为中心的模式,手势交互背后的手势识别方法研究也吸引了许多研究者的关注。本文主要研究面向第一视角人机交互的手势识别方法,构建了第一视角手势识别数据集,基于时间移位和自注意力方法解决第一视角下的动态手势识别问题,并完成了一个第一视角人机手势交互应用。本文主要研究内容如下:（1）本文构建了第一视角手势识别数据集Ivip Gesture。在分析本文任务需求后,确定了15类手势动作类别和12类数据采集场景,为本文后续手势识别算法和人机交互应用研究奠定了良好数据基础。（2）本文研究了基于时间移位的手势识别算法。本文基于时间移位策略提出了一种自适应时间移位模块,该模块可以自适应调整特征图中不同通道数据的移位量,促进近邻手势帧之间信息的有效融合,增强二维卷积神经网络对于动态手势的时序建模能力。（3）本文研究了基于自注意力的手势识别算法。本文基于自注意力机制提出了一种自注意力模块,该模块可以捕获到手势动作的长期依赖关系,提升算法的空时特征表达能力。（4）本文构建了一个第一视角人机手势交互系统。基于本文构建的Ivip Gesture数据集和手势识别算法研究成果,搭建了一个实时手势检测识别系统,设计了一个人机交互界面系统,并将二者衔接构建了一个第一视角人机手势交互系统,通过实际应用验证了本文手势识别算法研究成果的有效性。