随着信息技术的快速发展，人与计算机之间额交互活动变得越来越频繁，这对人机交互技术也提出了新的需求，传统的输入设备：键盘、鼠标、电子笔等越来越满足不了人们的要求。由于手势是表达人与人之间信息交流的重要方式，基于手势识别的智能输入已经成为人机交互领域的一项热门和关键的技术。由于手势的复杂多变性，手势识别又涉及图像处理、模式识别、计算机视觉等多个领域，因此手势识别研究也具有很大的挑战性。本文在单目视觉下从静态手势和动态手势两个角度对手势识别算法进行研究，并把手势识别与智能输入相结合，实现一种智能输入系统。本文的主要研究内容包括：　　(1)首先研究了传统的肤色分割模型、AdaBoost算法、级联分类器的基础理论，提出了基于人脸先验知识的改进椭圆模型肤色分割算法，并把其与级联分类器相结合应用于手势分割检测，并对分割出的手势区域进行手形轮廓遍历的快速识别。　　(2)对目前主流的动态目标检测算法：帧差法、背景差分法做了详细的说明和研究。将vibe背景建模和肤色分割相结合应用于动态手势检测跟踪中，并对跟踪得到的轨迹进行傅里叶描述子、Hu不变矩、粗网格等特征提取，结合支持向量机(SVM)进行分类识别。　　(3)根据本文提出的手势识别算法，实现了一个智能输入系统。针对静态手势，通过识别算法把手势转换为对应的二进制语言来替代键盘中的按键进行输入。对于动态手势，采取跟踪其轨迹，然后对跟踪的轨迹进行数字识别进行输出。通过实验表明该系统能够满足一定实时性要求的场景需要。