人机交互技术伴随着计算机技术的发展。近年来,随着深度学习的不断发展以及硬件算力的不断提升,使得深度学习在机器人上的应用也有了落地的条件。手势作为人类自然语言中的一种,具有流畅、自然的特点,非常适合用作人机交互研究。轮式机器人作为典型机器人的一种,具有很强的灵活性,其自身又承载着智能汽车的缩影,实现手势识别在轮式机器人上的应用,对未来全面应用的智能汽车十分有价值。本文以视频序列为研究材料,以轮式机器人为载体,检测和识别视频序列中的手势,实现人与机器人之间的信息交互。本文的主要内容包括:（1）提出了一种在基于视频单帧图像的手势识别算法YOLO-v3-enhanced,该算法以YOLO-v3神经网络为基础,进行了结构的改进,使网络更适合搭载在轮式机器人上。并对于输入中的图像预处理部分,采用了基于曝光融合的图像增强算法,能够有效改善输入图像的质量。针对数据集来源问题,提出了一种基于变分自编码器的图像生成方案,能够生成大量的图像数据。（2）提出了一种基于视频多帧图像特征融合的的手势识别算法。该算法采用本文提出的YOLO-v3-enhanced神经网络用作对视频序列中第一帧图像的手部定位,然后利用改进SIFT算子对后续两帧图像中的手部区域进行特征匹配,最后采用MobileNet网络进行特征融合和手势的识别。（3）针对低分辨率的手势图像,提出了一种基于超分辨率图像重建的的手势识别算法。该算法将在对手部区域进行特征提取前,对手部区域的大小进行判定,若属于低分辨率图像,则会采用改进的FSRCNN网络进行图像重建,经放大后再输入特征提取和识别网络。最后本文基于Pibot轮式机器人实体机进行了三种算法的实验,验证了各种算法的实时性和有效性。