随着人们生活质量的提高和智能识别技术的发展，智能的人机交互方式越来越融入人们的生活。与自然语言一样，手势作为一种肢体语言也可以传达复杂信息和指令。近年来，涌现出了大量用于人手检测与手势识别的算法，这些算法都不同程度地存在一些缺陷，比如检测精度不高、稳定性不好、系统效率低、系统对硬件要求较高等。在本文中，提出了一种基于现代智能识别技术的手势检测与识别系统，该系统可以有效地运用于人机交互中。本文针对不同手势的检测与识别，主要做了以下几方面的工作：(1)在本文中首先采用点对比较特征来描述手势样本。该方法所采用的特征是图像灰度空间中的像素点的灰度值，通过样本中不同像素点灰度值进行差值比较的方法来描述各个样本中的像素的空间分布。为了提高方法的鲁棒性，对每个像素点都取固定邻域内的均值来进行比较运算。最后样本的特征值向量由这些点对特征值组成，用于训练手势识别的分类器和手势目标的检测与识别。(2)本文中通过建立随机森林分类器模型进行手势识别的分类器训练。在随机森林的每棵树的每个节点处分别采用不同的点对比较特征作为节点分裂准则，然后利用建立多棵树分类器的方法来构建一个森林分类器，，以达到增强分类器分类效果的目的。根据树的分裂特点，采用该方法在运行时所耗时间少，并且由于森林分类器是一种提升的强分类器，所以精度更高。(3)在检测阶段，为了提高效率，在本文中首先采用YCbCr颜色空间内的肤色检测作预处理，然后采用了运动帧差法检测视频图像中运动明显的区域，将图像中人手的搜索区域尽量减小，这样大大消减了所要分类判断的区域，将搜索目标的区域局限在小范围内，最后在这一范围内采用训练阶段所得到的随机森林分类器进行手势检测与识别，大大提高检测精度和速度，实现了系统的实时性。在本文中，最后通过采用三种手势——手掌、拳头、食指进行实验比较分析，实现了一个基于随机森林的手势检测与识别系统，在该系统中，仅需要一个普通网络摄像头和相关的计算机程序作为硬软件设施，便可以实现实时的手势检测与识别。