随着网络技术和计算机技术的迅速发展，人机交互已逐渐成为人们日常生活中的一个重要组成部分。基于计算机视觉的手势交互因其准确高效、使用便捷，不需要额外的传感装置，在人机交互领域有着重要的研究价值。在智能家具、机器人控制、多媒体教学、娱乐游戏等领域拥有广泛的应用前景。随着计算机视觉和模式识别技术的进一步发展，基于视频的实时手势识别系统将进一步促进人机交互的发展。　　本文分析和研究了现有的视觉手势交互的相关技术和最新进展，基于现有视觉手势交互技术的缺点与不足，结合深度学习技术，提出一种多手势动态检测方法和一种指尖位置与指向的估计方法。本文的主要研究工作总结如下:　　(1)本文提出一种基于深度学习技术的手势检测模型。对深度学习的SSD检测模型做了研究分析，并将其应用多种手势的检测问题上，在EgoHands数据集上做4种手势的检测，对网络模型的结构做多种改进，将自身提出的多种改进方法进行相互比较，其中训练得到最好的模型能达到85.9％的准确率，且实时性较好。　　(2)本文提出一种平面图像中手指指尖位置和指向估计的方法。本文对图像中多个特征点提取问题也进行相关研究，在EgoFinger数据集上，使用AlexNet进行多任务回归，对手势图片中的多个特征点进行回归估计，预测指尖在平面图片中的位置和指向，且获得了较高的准确率。　　(3)本文提出一种基于手机单目摄像头的手指空间位置和指向的估计方法，预测手指相对于手机的位置和指向，结合Android手机上的惯性传感器，设计了一种基于单目视觉的指尖定位方法。