随着电子计算机的普及，越来越多的人使用计算机来进行工作和娱乐，传统的鼠标键盘作为主流人机交互媒介已经有数十年之久。然而，这种交互方式难以满足日益多样化的应用需求，一种自然、和谐的交互方式必将成为一个新的趋势。基于计算机视觉的手势交互是一种新颖的交互方式，鉴于其广泛的应用前景，众多专家致力于这方面研究，已经取得了很多成果。　　 本文选择任意手势下的跟踪与识别技术为题进行了深入的研究，旨在实现一种自然、直接的人机交互接口，不对用户进行过多限制。本文在手势检测、跟踪与识别等方面均进行了深入探讨，最终提出了一个手势交互原型系统。本文的主要内容概括如下：　　 ●采用梯度直方图作为特征，AdaBoost算法作为分类方法，实现了实时人手检测。　　 ●对传统的MeanShift跟踪算法进行改进，采用在线学习算法MIRA(Margin Infused Relaxed Algorithm)对目标进行实时更新，训练一个SVM模型，作为跟踪目标，实现了对任意变化手势的跟踪。　　 ●融合了光流法与Camshift算法，采用肤色特征角点作为跟踪目标，利用稀疏点光流计算进行跟踪，并结合上下文进行运动预测，结合Camshift整体跟踪结果对跟踪点进行实时更新，实现了对任意手势的跟踪，排除了其他大面积肤色物体的干扰。　　 ●利用归一化的傅里叶描述子表述静态手势特征，采用SVM分类方法进行识别，并且使用隐马尔科夫模型对动态手势进行识别。最终提出一个完整的手势交互原型系统，并以手势PPT播放系统为例对系统进行了验证。