随着信息技术的高速发展,特别是以机器学习和模式识别为基础的图像处理技术的日益成熟,手势操控与识别逐渐取代鼠标、键盘,成为人机交互中的重要交互方式,而人手的检测与跟踪正是手势操控的技术基础。本文主要对人手检测和跟踪算法进行了研究,提出了基于多线索的人手检测算法,基于实例化KCF的人手跟踪算法以及结合超像素分割的人手跟踪算法。基于多线索的人手检测算法,利用运动线索、级联分类器以及时间上下文线索相结合来解决人手检测中的准确性和实时性问题。算法在各种复杂场景下均取得了很好的检测效果。基于实例化KCF的人手跟踪算法,利用特征点结合光流法的运动模型,来估计人手的位置;接着使用多个KCF跟踪器组成的跟踪器集合,在跟踪的过程中,通过集合中的每个KCF跟踪器产生一个人手候选位置,获取到一个人手候选位置的集合;最后,结合颜色模型和跟踪器集合对所有人手候选位置进行打分,得分最高的候选位置就确定为最终的人手位置。基于实例化KCF的人手跟踪算法中,无法准确获取人手的位置,因此结果可能与真实位置产生偏差,导致更新过程中模型漂移。针对该算法的不足,结合超像素分割的人手跟踪算法,在该算法的基础上引入超像素分割来获取准确人手位置。算法中首先利用基础跟踪算法获取人手位置,然后将人手位置及其周围区域作为感兴趣区域,并在该区域进行基于颜色模型的超像素分割,获取人手的轮廓,得到人手的准确位置。