近年来,随着计算机应用技术的发展,基于计算机视觉的人机交互技术逐渐得到了广泛应用。作为人机交互技术的重要组成部分,动态人手的跟踪与识别技术得到了国内外的广泛关注。基于手势的人机交互技术将人手以及人手的运动轨迹作为识别对象,为人与计算机等智能设备的交流提供了较好的人机交互接口。动态人手的识别过程可以分为人手检测分割、动态人手跟踪和人手轨迹识别三个环节,对动态人手跟踪与轨迹识别进行了深入研究。人手检测与分割可以根据人手的某些特征对视频中的人手区域进行检测并精确的分割；动态人手跟踪采用数学的方法对连续的图像序列中的人手质心进行提取与轨迹的拟合,得到人手的运动轨迹；最后通过模式识别技术,对人手运动表达的语义进行识别处理。通过设定人手模拟鼠标命令的手势轨迹,基于颜色直方图与背景差分相结合提出基于背景差分与颜色直方图相结合的运动检测方法,提高了人手检测的效率与准确率；针对现有各种手势轨迹追踪方法都不同程度上存在的缺点和不足,结合人手运动方向规律特点,结合趋势向量与运动检测方法实现快速的手势运动轨迹的提取,通过仿真验证了所提方法的有效性与优越性；基于TDPCA和高效极限学习机(EELM)的思想,提出一个新的手势轨迹识别算法,首先利用TDPCA对轨迹样本的主特征进行提取,然后随机分配隐层神经元的输入权值和偏置值,最后计算并输出权值,训练后的EEIM模型对测试样品进行分类,从而可实现人手轨迹的识别,仿真验证了新方法在保证了实时性要求的前提下,更具有更高的识别率。