手势是人类日常生活中人与人之间最自然的一种交互方式，将手势识别系统用于人机接口，从而实现直接的、自然的人机交互方式，是手势识别的发展趋势和基本目标。手势识别研究涉及到模式识别，图像处理，心理学和认知科学等领域。本文结合上海市自然科学基金资助课题“手势识别和合成算法”，研究了基于手势关键点的识别算法。 本文的识别流程分为三个阶段：手势图像的预处理、手势特征提取和手势识别。在手势图像的预处理部分，运用Roberts梯度算子对手势图像作锐化处理，突出图像边缘部分。最后采用最大化方差法对图像进行二值化处理。 在特征选取阶段，提取手势图像的重心和边缘轮廓，边缘轮廓提取算法采用八方向链码搜索法，通过计算边缘轮廓的单像素曲线每段的弯曲度，提取出手势的指根与指尖点等关键点，作为识别的特征向量点。在手势的识别阶段，通过手势重心定位手势图像部位在图中的位置，然后运用关键点信息，借助Hausdorff距离，计算待识别图像与标准手势库中每幅手势图像的最大不相似度，取最小值对应的库中的那幅手势作为最终识别结果。在识别过程中，还通过尺度变换消除了手势部分大小的变化对识别的影响。 实验结果表明，基于手势边缘关键点特征的识别算法具有较好的识别效率，识别率近85％。