随着计算机硬件的发展,键盘、鼠标的输入方式已经不能满足人们对计算机的交互需要。近年来以图形计算为基础发展起来的增强现实环境的应用对无障碍的自然人机交互提出了要求。人手是人与人进行沟通的重要器官,在自然人机交互中,计算机通过人手识别人的意图至关重要。计算机视觉的发展使得无障碍的人手姿势识别成为可能。人手姿势的识别分为两类:1.识别预先定义好的姿势;2.识别三维连续空间中的手势。估计人手的三维运动参数是三维连续空间中手势识别的基础。本文对人手运动参数估计问题提出一个可行方案,估计手的26个运动自由度,其中包括手掌的全局运动6个自由度以及每个手指各4个自由度,把5个手指划分成5个独立的运动部件,每个部件独立运行处理。首先,根据手的解剖结构,提出一套稀疏点手模型的软硬件解决方案来表达手的骨骼结构和运动结构,该稀疏精简结构模型不仅能够精确地建模手的姿势,并且使得手姿势估计的速度加快;其次,在二维图像空间中利用粒子滤波结合mean shift的方法跟踪手的运动,使得粒子能够快速地漂移到基于颜色直方图相似度的密度概率空间中的局部最大值,并针对一般粒子滤波方法中粒子的重复采样的不足,提出无重叠的窗口采样模式,极大地减少了采样粒子数目;最后,利用立体视觉技术计算稀疏点的空间坐标,根据稀疏点表达的手模型估计的全局运动和利用逆向运动学估计手的局部运动,在估计到手的运动参数后,利用手的正向运动学来演示估计的结果,结果表明本文提出方法的有效性。