近年来,随着先进的科学和技术的迅猛发展和智能家居设备的日渐普及,智能电视逐渐成为家庭物联网的控制中枢。然而在日常使用中,传统的遥控器操控具有一定的依赖性和局限性。手势作为一种非常契合人们在日常生活中各种交流习惯的一种人机交互方式具有自然、舒适等特点,相较于借助穿戴设备,通过摄像机进行手势操作更加符合人们的日常使用需求,因此基于视觉的动态手势识别的人机交互系统对于智能电视具有很高的研究价值。目前,基于视觉的动态手势识别主要存在容易受周围光照环境影响、手势的检测不准确、识别效果差等问题,本文提出了一种基于提前结束的动态时间规整算法的动态手势识别,提高了暗光下算法的鲁棒性和手势识别的效率。为了智能电视操作的准确性和实时性,本文结合Kinect v2深度相机,利用Kinect动态手势识别技术,设计并实现了智能电视手势操作系统。本文的主要工作创新如下:（1）在充分分析智能电视手势操作系统所涉及的常用操作后,定义了7种动态手势,并通过Kinect v2深度相机采集建立标准手势模板库。然而,智能电视常用的手势操作具有一定的相似性,且用户实际操作中容易产生偏差等问题,因此,本文设置手势操作的可识别区域,不仅减少了无效的HOG手势特征方向,避免了相邻区域手势的误识别,而且提高了用户手势操作的舒适性。（2）针对连续的图像序列中多个手势的判别问题,本文设置了手势操作开始和结束的判别标志,减少了起点、终点等处的冗余轨迹,避免了测试序列和参考序列在两端均会出现延迟数据特征的现象。（3）本文提出了基于PE-DTW算法的动态手势识别,针对传统DTW算法计算复杂等情况,在增加平行四边形全局约束路径的情况下,结合了LB＿NKeogh下界函数,以提前消除部分参考序列,从而大大减少了计算量。实验结果表明,该手势识别系统的准确率达到了94.7%,平均识别速率为0.225s,满足智能电视实时操作需求。（4）本文成功地将基于PE-DTW算法的动态手势识别应用到智能电视系统中,模拟实现了动态手势操作智能电视。通过Kinect v2深度相机获取并识别手势操作,并通过与智能电视系统的相应的映射关系实时操作智能电视系统。实验结果表明,通过动态手势能够更轻松、高效地操作智能电视,符合人们智能家庭互动体验的需求,在未来家庭物联网中具有重要的实际意义。