未来十年，随着计算机科学技术的迅猛发展，人机交互模式也将不断发生变化。比起使用键盘、鼠标等媒介设备而言，手势在人机交互系统中显得更加自然和符合人们的行为习惯。所以，手势识别技术早已成为人机交互研究领域中的热点课题，具有广阔的应用前景和巨大的市场潜力。基于视觉的手势识别方法普遍使用网络摄像头作为图像输出设备，但是极易受到光照变化的影响和类肤色的干扰，识别结果往往达不到人们的预期希望。本文采用最新的高科技产品Kinect深度摄像头，避免了环境因素对手势识别的影响。在静态手势识别中，本文提出了一种基于深度图像的凸缺陷指尖检测法(DB-CDD)，首先，利用深度信息和邻域特点分割手部区域，接着对分割出的手部二值图像用Canny算子提取轮廓，在指尖检测过程中，通过凸包粗检测出所有可能的指尖区域，然后利用凸缺陷之间的关系剔除伪指尖点，完成指尖的细检测，该方法可快速有效的对指尖进行检测，鲁棒性和稳定性都较其他方法更好。在动态手势识别中，通过Kinect传感器获取人体骨骼数据，经过正规化处理后，提取6个关节点的运动轨迹作为动态时间规整算法的特征向量。本文对动态时间规整算法进行了深入分析，通过限制搜索范围来实现动态时间规整算法的全局优化，从而缩短了匹配时间，并实现了对六种动态手势轨迹的识别，平均识别率达到96.3%。为了验证该算法的可行性，把它应用在PPT操作系统中，实现了用户在无接触性条件下对PPT的自动播放操作和控制翻页。实验结果表明，在光照变化和复杂环境下，均获得了较好的识别结果，因此，该PPT操作系统具有很强的鲁棒性。