智能可穿戴设备因为其小体积携带方便、低成本、低功耗等优点应用领域越来越广,目前已在人机交互平台里占据重要位置。动态手势作为人们日常生活中广泛使用的一种自然高效的交流方式,非常适合应用于智能可穿戴设备。手势识别应用于可穿戴设备中具有连续性、相似性、随着时间和用户变化的不稳定性,本文研究分析这些特性,并提出了实时的连续手势识别方案,并且在可穿戴设备中得以实现和应用。本文首先对加速度传感器产生的连续手势信号进行特征分析,分别从连续性、用户依赖性、时间依赖性三个方面分析了可穿戴设备的手势信号特点并提出的相应解决方案。然后论述了手势信号的预处理,包括基于手势波动数值的阈值分割方法、手势信号的滤波器设计、特征提取方法等。接下来,我们研究了传统的DTW(动态时间规整)、SVM(支持向量机)、降维+分类手势识别方法,讨论和分析在不同场景下手势识别方法的应用和优化,并重点改进了基于DTW的手势识别方法,提出了更新手势模板库的方法来提高手势的识别率。通过图表以及实验数据对比分析得出各类手势识别方法的优劣势,得出本文中手势识别算法在实际应用中的可行性和有效性。最后将文中提到的三种手势识别方案融合到一个完整的手势识别系统中,并应用到智能家居场景下,完成了手势识别系统的软件设计方案,并且在可穿戴设备硬件平台上实现了对家居设备的模拟管理控制。