在目前手势图像分割与识别的研究中,基于RGB图像的手势分割方法容易受到图像复杂背景的影响,不能有效地对手势区域进行分割。此外,由于RGB图像缺乏手势的三维特征,基于RGB图像的手势识别算法很难对复杂的立体手势进行准确地识别。为了解决上述问题,本文提出一种基于RGB-D图像的手势分割与识别方法。RGB-D图像是指结合RGB图像和深度图像的一种图像表示方式,可以更好地表达景物的色彩特征与三维特征。首先,为了获得深度图像,本文使用双目手机进行双目图像采集,并根据双目视觉原理合成深度图像。接着,使用阈值分割法和k-means像素聚类方法对深度图像和RGB图像进行手势分割,去除了图像背景区域和噪声点。最后本文使用基于LeNet-5神经网络的深度学习算法对RGB-D图像进行识别。在实验设计中,本文使用9种常见的表示数字1至9的手势,采集了大量不同背景下不同被试者的RGB手势图像,并通过预处理合成了深度图像。随后,本文分别利用RGB图像和RGB-D图像进行了手势分割与识别实验。通过对比实验结果表明,基于RGB-D图像的手势分割方法能精确有效地分割手势区域,有效避免复杂背景图像的干扰;基于RGB-D图像的手势算法识别准确率更高,达到92.54%。