手势识别是人机交互(Human-Computer Interaction,HCI)的热点研究问题之一,在虚拟现实、机器人遥控、智能驾驶、办公辅助、游戏娱乐和手语识别等领域应用前景十分广阔。随着计算机软硬件技术的不断增强,由深度摄像机捕获的深度图像因为其三维信息可以为手势识别提供更丰富的数据,而被广泛应用于手势识别研究当中。本文选取了Kinect深度摄像机,利用其获取的RGB图像以及深度图像,对手势识别算法进行研究。本文主要对静态手势识别和动态手势识别进行研究,主要工作具体如下:(1)首先阐述了手势识别的研究背景及其意义,并对当前手势识别的研究现状进行了综述。(2)分别从静态手势、动态手势两个方面出发,阐述了手势识别的基本理论与流程。从手势分割、特征提取、手势跟踪和分类识别四个步骤展开,详细介绍了手势分割的常用算法,特征的分类与选择以及常用的分类识别算法。(3)本文提出了一种基于RGBD图像的静态手势识别算法。针对复杂背景与光照变化,提出了融合肤色与深度信息的手势分割算法,该算法能快速准确地提取手掌区域。利用手掌中心、指尖数目以及指尖夹角等基于表观的特征进行融合来表达手势,最后基于上述特征建立决策树模型完成静态手势识别。实验表明该算法性能优越,鲁棒性强。(4)本文实现了一种基于RGBD图像的动态手势识别算法。对输入序列图像中的第一帧,利用静态手势分割算法提取手掌区域。然后利用距离变换算法获得手心的位置,并利用卡尔曼滤波跟踪算法进行手势跟踪。最后通过决策树模型识别手势。实验表明该算法识别率高、速度快且具有一定的鲁棒性。(5)对文章的主要工作进行了总结,分析了现有手势识别的研究中存在的主要问题与挑战,并指出了下一步的研究方向。