人手检测就是指将人手从视频或图像中检测出来的过程。它是手势识别、手语识别及人体检测技术中的关键环节,同时在人机交互、手势识别、游戏控制等领域有着广阔的前景。人手检测是一个具有挑战性的课题,因为人手是非刚性物体,有很多关节。本文针对图像中的人手检测问题进行探讨,主要从以下两个方面进行研究：本文尝试利用Real AdaBoost算法进行人手检测。Real AdaBoost算法是经过改进的AdaBoost算法,其能够对弱学习得到的弱分类器的错误进行适应性调整,构建准确的分类器。Real AdaBoost算法将其从离散二值判定规则,即输出为1,推广到处理具有连续置信度输出的弱分类器,即值域为实数域R。通过分析,后者具有较强的分类性能,本文采用级联的Real AdaBoost进行训练和检测。结合肤色分割和Real AdaBoost算法进行人手检测。首先肤色是人手的重要信息,且不依赖于手的姿势、大小的变化,具有旋转不变性且和大多数物体的颜色相区别,且利用皮肤特征进行检测计算量小,且计算速度快,有很强的鲁棒性。由于肤色受到光照等因素所造成的影响,在进行肤色分割之前进行光照补偿处理。然后利用肤色较强的聚类特性,对图像中的肤色区域和非肤色区域进行分割,初步筛选出人手候选区域,为后续工作打下基础。其次,级联的Real AdaBoost对候选区域再次检测,确定人手的位置。该方法利用了肤色和Real AdaBoost各自的优点,具有稳定性好、降低了误检率的特点,实现了更加准确的人手检测。