如今,手势识别技术有使用传统的基于数据手套、使用2D摄像头以及采用3D深度相机,传统的基于数据手套的手势识别技术使用过程较为繁琐。3D深度相机比普通2D摄像头有更好的识别能力和抗干扰能力,增加了准确性,使用户获得更加良好的使用体验。基于Intel Real Sense 3D实感技术的手势识别技术应用研究是使用Intel Real Sense SR300深度相机作为摄像头,这是一种摆脱数据手套的人机交互实感系统,摄像头能够捕获左右手上的22个关节点的骨骼数据,捕捉手势并在屏幕上显示,通过和计算机随机生成的石头、剪刀、布三种手势进行比较从而达到游戏效果,此系统运用红外射线代替传统光线来识别手势,能够较好的避免外部不确定的干扰因素和复杂背景因素,能够更加迅速且准确的识别玩家手势。系统的灵敏度高,速度快,有非常好的游戏体验。本文的研究内容如下:（1）在计算出手部22个关节点欧氏距离的基础上,提出了一种解决不同人手型大小不同导致的误差的方法,即对欧氏距离进行标准化处理,从而计算出关节点之间的等效距离,并对关节等效距离的有效性进行实验验证,结果表明等效距离可以基本消除不同人手型大小的不同导致的误差。（2）为了对手势的分类识别做出进一步验证,提出了关节偏转角度的验证方法,通过关节偏转角度计算出手指伸直程度的量化,用0表示完全弯曲,100表示完全伸直。获得每根手指的伸直程度,从0到100逐渐伸直,可以大致分为三类,伸直程度在0到20之间表示手指弯曲,在80到100之间表示手指伸直,20到80之间表示手指不完全伸直,为不确定状态。以此进一步判断石头、剪刀、布三种手势,提高了手势识别率。（3）通过与传统二维图像手势识别的实验对比,并且在复杂环境及强弱光环境下的鲁棒性验证,结果证明了在正常环境下,无论是三维图像识别还是传统二维图像识别,都有较高的识别率,区别较小,但在复杂环境下,三维图像识别比传统二维图像识别识别率更高。因此,基于等效距离及关节偏转角度算法的三维深度图像手势识别更加适合例如科技馆、游乐场等复杂的社会环境中,最后利用其方式制作了石头剪刀布互动展品的设计,互动体验良好。