随着科技的不断进步，人机交互技术也获得了长足的发展，变得更加人性化、更加自然。传统的人机交互界面如命令行界面、图形用户界面已经不能够满足人们的需求。基于语音、触控、手势等的新一代人机交互方式正在快速发展。与身体其它部位相比，手是最有效的人机交互工具，手部动作简单直观，不需要与机器直接接触就可以完成交互，因此手势将成为未来人机交互领域的热门研究内容之一。　　目前对于手势识别的研究主要利用数据手套和摄像头，数据手套成本高，穿戴不便，很难在实际中大规模应用，而基于视觉的手势识别所需的摄像头更易于普及。随着RealSense、Kinect等3D摄像头的问世，基于视觉的手势识别获得了更大的发展，成为当下热门的研究领域之一。现有的手势识别研究多局限于识别手势数据库中的标准手势，无法进行实时的手势识别或难以达到实用的地步。　　本文针对上述问题首先设计了一套教学中使用的基础动态手势用于实现与教学软件的交互;其次利用RealSense3D摄像头提供的基础数据，基于状态自动机的连续手势分割算法确定手势的开始和结束，以获取完整的手势数据;针对不同类别的手势，选取特征构造特征向量;在识别环节，构造分类树，结合DTW实现动态手势识别;在此基础上，针对教学场景对手势识别方法进行了优化，有效地降低了误识率;最后，设计并实现了一个实时的手势识别系统，系统包括手势录制、手势识别和应用三个模块，分别实现手势的录制和识别，用手势代替鼠标和键盘的部分交互功能。　　为了验证手势识别系统的有效性，本文首先针对7种基础动态手势建立标准手势数据库，对数据库中手势进行识别，并在此基础上进行了实时手势识别实验。实验表明，连续手势分割算法可以准确地确定手势开始和结束的时刻，将有效手势完整地分割出来。手势识别算法的识别率达到96％，具有准确度高、实时性强的特点。　　将本文的手势识别系统与课堂教学相结合，通过手势实现对教学软件的操控。教师在课堂教学中更加灵活自由，教学也更具趣味性。