手势是人与人之间一种非常重要的交流方式,在人机交互的研究中也有非常大的实用性。随着计算机技术的发展,以及人与计算机之间的交互的多样化,手势识别技术涉及图像处理、模式识别、计算机视觉等领域的一个交叉学科,加之手势的多样性、多义性,以及时间和空间上的差异性等特点,因此手势识别自然成为一个极具吸引力的研究课题。手势识别的过程可分为手势建模、手部数据的获取、手部数据预处理、手部特征的提取、手部特征的识别五个阶段。本文研究的是静态手势识别,主要通过对目标手势进行建模分析得到可能有效的特征参数,然后分析基于轮廓图像的特征参数的提取方法,最后通过基于模版匹配的手势识别算法对提取到的特征参数进行实验,比较它们有效性。首先,本文对基于三维模型的手势建模和基于表现的手势建模进行比较分析,针‘对本文研究的待识别目标样本设计了一种基于表现的手势模型——人手部Tortoise模型,它的优点是将手指和手掌区分开来,能够很好的描述手部的基本特征,便于分析特征参数。通过对人手部Tortoise模型的分析,得到若干个可能有效的特征参数,具体包括手势中伸出的手指的个数、手部轮廓的缺陷个数和手势轮廓的面积与周长的比值。另外,图像的不变矩特征作为图像识别中的重要参数,本研究中也分析计算了7个Hu矩不变量作为特征参数。本文预处理部分重点比较了一般自适应阈值分割方法和基于大津法的阈值分割方法对手势分割的效果,实验证明利用基于大津法的阈值分割方法进行手势分割效果比一般自适应闽值分割方法好。本文特征参数提取部分通过对人手部Tortoise模型的分析,研究出计算手掌轮廓、手掌半径、手掌重心、缺陷个数、手指个数和轮廓面积与周长的比值的方法,尤其是通过凸多边形验证等四个规则求手掌轮廓的方法,以及基于手掌轮廓的手指个数的计算法方法。另外,本文研究Hu不变量,实现了基于轮廓图像的Hu矩不变量的计算,得到7个Hu矩不变量。最后,本文对十个特征参数的计算结果进行详细分析,将所有特征参数分为三组,为了比较三组特征参数的有效性,设计了一套基于模版匹配的手势识别系统,实验结果表明提取的十个特征参数用于手势识别是有效的。