基于视觉图像的手势识别是人工智能领域中的研究热点和难点,常用的手势识别方法往往受限于有限的二维图像信息,难以从复杂的背景中有效地分割出目标像素,且大多依赖于监督学习的分类方法,只能在有限的手势库中进行选择判定,因此无法适用于较为精细的手指运动的检测。随着硬件技术的发展和三维成像技术的成熟和实用化,使得复杂但高精度的检测方法变成可能,从而对手指关节这复杂运动可以由定性检测转向定量测量。本文设计实现了基于视觉图像的手指关节角度测量方法。本文的研究内容主要有以下几个方面：1.研究了Kinect设备的硬件构架和软件API,从中获取并处理了具有三维信息的图像,为实现精确检测提供了可靠的输入。2.研究了基于区域生长的肤色检测技术,并结合图像的深度信息提出了诸多过滤噪声和背景像素的方法,克服了复杂背景对检测的影响。3.探讨研究了手的建模,一定程度上解决了手在建模存在的高维度问题,在保证检测精度的前提下,尽可能减少了需要预测和估计的自由度个数。4.研究了基于OpenGL的三维模型渲染技术,并以实际建模需求为中心,提出了大量优化绘制流程提高绘制速度的方法。5.研究了基于OpenCL的大规模并行异构计算技术,提出了适用于GPU实际硬件和运行模型的目标函数和执行算法,。6.研究并优化了基于PSO的寻优算法,得出最优的预测模型,并对结果和数据进行了详细地分析。