近年来,随着计算机技术的飞速发展,人机交互越来越成为人们工作与生活中的一个重要组成部分,人机交互也逐渐变得越来越简单和自然。手势交互以其自然、简洁、直接和丰富等特点,成为人机交互领域中的重要研究方向和热点之一。基于视觉的手势交互以人手动作直接作为交互的输入,人机之间通讯不再依赖其他中间媒介,用户可以自由地定义需要的手势来对设备进行操作,大大提高了人机交互的灵活性,是人机交互未来的发展趋势。但是由于手势本身具有多样性、多义性以及交互场景时间和空间上的差异性等特点,基于视觉的手势交互的广泛应用仍然面临诸多困难和挑战。本文在分析国内外手势识别技术的基础上,提出了一种新的基于视觉的手势识别方法。本文将通过手势检测、手势特征提取和手势分类三个部分详细介绍我们提出的基于彩色深度图像的实时手势识别方法。首先在手势检测部分,本文将深度信息和彩色信息相结合,提出了基于自适应深度直方图的阈值方法,对输入的深度图像进行手势区域分割,提取深度图像中的手势区域;采用改进的贝叶斯概率分类方法,对输入的彩色图像进行肤色分割,检测肤色信息;最后使用基于区域生长的方法对手势区域和肤色信息的边缘进行匹配,修复手势区域的准确轮廓,获得最终的手势图像。然后在手势特征提取部分,梯度方向直方图特征被用于手势图像的描述。该特征已被成功应用于行人检测,并且对于手势图像的描述也具有良好的效果。梯度方向直方图特征对于旋转和光照变化具有较好的鲁棒性。最后在手势分类部分,极限学习机和支持向量机被用于识别不同手势,并通过离线测试和实时测试检测被提出的手势识别方法的准确率和实时性能。实验结果表明本文提出的手势识别方法具有较好的准确率和实时性。