增强现实(Augmented Reality)是指将计算机生成的虚拟环境与真实环境融为一体技术,它使用户从视觉上认为虚拟物体是真实世界的一部分。增强现实交互技术则是在增强现实系统的基础上,使用者能够与系统中添加的虚拟信息进行互动,以及控制虚拟物体,从而提升用户体验。随着硬件性能的提升及增强现实技术的发展,传统的交互方式因人与虚拟物体交互的过程中对虚拟物体的操控能力较差,交互效果缺乏真实感,致使应用范围受到限制。为此,对其研究受到人们的关注。经过分析相关研究现状,探讨了多种交互技术,提出了基于Kinect传感器指令式与多通道式相结合的增强现实交互方法,其中包括了基于深度一致性的交互、静态手势指令交互和动态手势指令交互三种交互方式,这些交互方法对虚拟物体有高效的控制性,提高增强现实交互系统的稳定性、实时性和真实性。本课题的主要工作与创新如下:(1)针对Kinect传感器获取的深度图像存在数据噪声问题,提出了一种高效的两次滤波算法,有效的去除了图像中像素抖动以及空洞等噪声,且保证算法的实时性,为指令识别提供高质量的图像数据。(2)针对使用者发出的静态手势指令识别率低下、实时性差问题,提出了手部图像训练数据预处理的方法,保证数据特征的完整,降低了神经网络模型的学习难度。在此基础上,设计了一种卷积神经网络模型,能高效且准确地识别静态手势指令。(3)为了提高增强现实虚实交互系统的真实感与沉浸感,利用深度图像数据与RGB图像数据对人体模型的三维重建,通过实现虚实遮挡与碰撞等功能实现基于深度一致性的交互功能。(4)探讨了静态手势指令与动态手势指令的优缺点,设计了结合两种指令方式的协同交互指令,提高交互效率与对虚拟物体控制的能力,使交互方式更加丰富多样。