在21世纪，公认的计算机发展的四项重大技术之一就是人机交互技术。人与计算机之间的交互方式逐渐开始适应人的行为习惯，从早期的以计算机为中心，逐步向以人为中心转移。手势作为一种人机交互手段，它自然、直观、易于学习，基于计算机视觉的自然人手交互也成为人机交互技术中的一项重要内容。手势作为现代人机交互发展史上的一个重要的输入方式，它将人手的动作信息输入到计算机中，通过计算机中软件和算法的处理，根据不同的人手动作信息做出不同的反应，从而实现人与计算机之间的信息交互。本文主要对复杂背景下的手势分割与识别进行研究，主要完成了以下工作。1.基于粒子群优化的摄像机内参数标定算法将粒子群优化算法用于摄像机内参数标定，不需要预先确定摄像机具体内参数及有关模型的先验知识，仅利用粒子群优化算法对复杂非线性映射关系强大的逼近能力来对摄像机进行隐式标定，为传统的摄像机标定技术给出了一个新思路。标定过程中采用立方体标定盒作为摄像机标定块，制作简单，实验要求较低。实验结果表明，该算法标定精度高、可靠性好、无须计算雅可比矩阵，与传统的各种优化算法相比具有简单实用的优点。2.基于模板的人手边缘细化算法为了将人手边缘细化为单边缘，在图像分割的基础上，对OPTA（One-Pass ThinningAlgorithm）算法进行改进，改进了保留模板，用于对人手边缘进行检查。实验表明，该算法细化精度高、可靠性好，但时间复杂度要稍高于OPTA算法，因该方法通过增加计算量来达到高可靠性的目的，在实时系统中需要进一步优化。3.基于局部信息匹配的手势识别算法在复杂背景下，仅利用肤色信息不能把人手分割出来，本文融合了肤色信息和手势形状信息，能较好的把手从复杂背景中识别出来。首先建立了手势库，作为手势识别的模板库。手势分割时，先去掉与肤色并不接近的颜色，保留肤色及与肤色相近的颜色，比如人脸颜色等，再对图像进行边缘检测，检测结果作为手势形状信息，再与模板库中的手势进行对比。实验表明，该方法能较好的识别出人手信息，可靠性高。本文提出了一种较新的思路，在实验中与其它算法对比，验证了算法有效性。