随着科技的发展，人们对于人机交互的研究越来越深入，同时，对于交互精度的要求也越来越高。手势是人们常用的一种交流方式，将这种简单易懂的交流方式应用于人机交互领域，手势识别技术也就应运而生。手势识别技术也成为了当前人机交互领域的研究重点内容之一。手势识别作为一种人机交互的方式在工业控制、虚拟装配、医疗康复等领域都有广泛的应用。基于深度图像的手势识别技术不会受场景光照与阴影的影响，能够更好地重构手部结构，但是这种技术仍然需要受到人手运动复杂、遮挡严重等问题的困扰，只有解决了这些问题才能够实时准确预测手势。　　本文首先介绍了选题背景以及本课题的研究现状。以基于Kinect传感器的手势识别为研究目标，阐述了研究的整个过程以及用到的具体算法。实现了基于Kinect深度数据和随机森林分类器的静态手势识别。本文是通过Kinect体感摄像头捕获人的手势图像及深度数据。　　本论文的内容主要分为两个阶段:训练阶段与识别阶段。在训练阶段，对于手势区域提取，使用深度信息结合人体骨骼信息将手势区域从深度图像的背景中分割出来，得到不同手势的训练样本集;将训练样本集中的手部深度像素进行深度特征计算，并用于生成随机森林分类器;在手势识别阶段，对采集的手势进行预处理，同训练阶段相同，使用训练好的随机森林分类器进行手势识别。最后，对于不同的手势，采集了一定数量的手势图像来说明分类的准确性与可行性。