近年来,手势交互的人机交互方式被越来越多的人关注、认可和接受。手势感知技术作为手势交互的核心,也在不断地发展、进步,其中就包括基于视觉模型的手势感知技术,而作为基于视觉模型的LeapMotion设备一经问世,就引起了巨大的轰动,它的出现为人与计算机以及人与环境提供了新的交互方式。LeapMotion设备聚焦于细粒度的手指运动,让手指运动的精细刻画有了一定的可能性。本文的研究工作就是基于LeapMotion设备采集的关节点数据来进行手势感知技术的研究。首先,本文通过对手势动作全面、系统的分析研究,对细粒度手势动作进行建模,提取手势动作特征。其次,基于手势动作建模的结果,实现一个集成手势动作特征的中间件系统,方便后续的研究开发。最后,在手势动作建模的基础上,设计开发了一个在线的手语识别系统,为健听人和聋哑人的交流问题提供一种解决方法。本文研究工作的贡献主要体现在以下几个方面:1.手势建模:手势建模分为静态手势建模和动态手势建模,动态手势建模又分为全局动态手势建模和局部动态手势建模。静态手势建模的工作包含角度、指间距离和手指指向的建模,动态手势建模包含手的状态和手的运动两方面,手的状态建模工作相同于静态手势建模,手的运动建模工作包含位移、旋转角度和旋转方向的建模。2.分类感知:我们将手语识别问题归结为手势动作的分类问题,并解决手势动作分类中的手势动作分割、手势特征选择、手势动作多分类和未标记手势动作处理等问题。具体地,基于两两手势间的“停顿”进行手势的分割,基于手势建模工作确定手势分类的特征,比较并确定SVM算法应用于多分类问题的改造方法,从时间阈值和增加负类样本类别两方面解决未标记手势问题。3.系统设计:我们基于LeapMotion感知设备实现了一个在线手语识别系统。系统的设计考虑到设备有效监测范围校准以及手语动作对比问题。系统会实时向用户反馈手的位置信息及设备状态信息,方便用户手的位置调整;系统包含一个摄像头实时输出模块,方便用户对比自己的手势动作。我们还针对系统的手语识别准确率进行了实验,采集手势动作数据进行识别准确率分析,手语对应的手势动作的识别准确率达到97.03%。