随着新硬件的出现以及新应用领域的发展,人机交互活动越来越成为人们日常活动中一个重要组成部分。由于人手具有的多样性、多义性,以及在时间和空间上的差异性等特点,加之人手是复杂的变形体,使得基于计算机视觉的手势建模方法研究成为一个极富挑战性的多学科交叉的研究课题。一个完整的基于计算机视觉的手势模型系统包括获取手势视频、手势分割、和手势建模,而手势建模又包括手势分析和手势识别。论文通过对当前手势建模方法进行分析,指出精确的手势分割和鲁棒的手势特征提取是手势建模中的重点。论文的具体研究工作有以下几点:首先通过摄像头获取手势视频流,然后将视频流进行无冗余的帧分离,将手势图像帧从视频流中提取出来,获得连续的手势图像序列。在手势分割阶段,针对目前手势分割算法中单线索的局限性,采用了肤色信息和运动信息相结合的分割方法。该方法首先采用基于KL变换的椭圆肤色模型进行肤色检测,提高了肤色判定的精确度,然后对连续的手势图像序列做三帧差分,改善了二帧差分法的遮挡问题,最后将两者的结果相结合,得到了较为理想的手势分割效果。在手势特征提取阶段,针对整体匹配不能处理部分遮挡、特征缺失等问题,提出一种基于关键点的极半径不变矩特征提取方法。该方法通过离散曲线演化方法提取目标手势轮廓的关键点,利用关键点的极半径不变矩描述手势的形状特征。实验结果表明该方法具有很好的分类特性,并且在物体轮廓分割不完整和有噪声污染的情况下能保持很好的稳健性。