随着科学技术的不断发展,智能便捷的人机交互在社会大众的生活、娱乐中得到了越来越多的关注和应用,与此同时,更多更复杂的应用场景和需求对人机交互提出了更高的技术要求。基于手势识别的人机交互技术一直都是研究的热点,当前主流的基于机器视觉的手势识别方案存在着环境敏感度高、设施布局复杂等不足;基于运动传感技术的手势识别技术则多以单手手势为研究对象,存在手势灵活度低,手势操作规范严苛等不足。解决这些问题,设计轻量化、环境适应性强、操作便捷的手势识别技术方案及设备,对于基于手势识别的人机交互的应用推广具有重大意义。本研究在分析实际应用需求的基础上,以MEMS(Microelectromechanical Systems)运动传感技术为支撑,构建了三维空间双手手势模型,针对手势信息采集和双手手势识别两大关键技术进行研究,并设计了相应的感知模块和识别算法。主要工作和成果如下:1)在分析比较常见动态手势模型和多种MEMS运动传感器功能特点的基础上,构建空间双手手势模型和双手手势识别框架,并选定空间手势特征信息;2)设计微型嵌入式手势信息采集模块;设计MEMS运动传感器误差补偿算法和多传感器数据互补融合算法,实现了手势信息的稳定、准确解算;3)设计了动态指令手势模板库;基于动态时间规划DTW(Dynamic Time Warping)算法设计了动态手势识别算法;设计了手势样本预处理算法和优化加速算法,实现了动态指令手势的高效准确识别;4)设计了辅助手势模板和辅助手势识别算法;基于基于有限状态机FSM(Finite State Machine)建立了双手手势关联模型,实现了双手手势的协同工作。本研究还设计了实验分析,对整个手势识别系统的有效性、运行效率、手势识别率做出了验证和分析。实验分析表明,本研究所做的设计能够很好地解决现有双手手势识别方案所存在的技术问题,双手平均识别率达到了87.3%,系统运行效率和稳定性优良,具有良好的实用价值。