人机交互是计算机的一个重要研究领域,是一个与计算机、人工智能、认知学和心理学等多学科交叉的方向,一直是广大学者关注的热点。手势是人们日常生活中离不开的一种交流手段,在人机交互研究中也越来越得到广泛的青睐。现在普及的智能手机终端基本都是以触摸手势进行操作,一些高端的游戏设备也提供手势控制功能,手势识别在人们与机器的“交流”中越来越重要。传统的手势识别大都基于光学相机技术,常常受到光照、纹理、复杂背景等的影响,导致识别结果很不稳定；同时,由于人体结构自由度高、不同人动作差异大等原因,以何种特征才能准确表示手势也是研究的一个难点。本文针对上述问题,提出基于Kinect的多粒度手势识别解决方案,通过分析手势相关的各特征,考虑到与设备远近的实际因素,结合手势识别的方法,构建了基于Kinect的多粒度手势识别原型系统。本文的主要研究工作包含两个方面：1)研究远距离情况下多粒度手势识别的方法；根据Kinect在远距离情况下提供骨架信息的前提,分析手势相关的特征,提出多粒度识别方法,并改进动态时间规整算法,为用户提供在线添加新手势的功能。2)研究近距离情况下多粒度手势识别的方法；因Kinect在近距离情况下,无法提供准确的骨架信息,为实现多粒度的手势识别,需要根据Kinect深度图像,提取上身骨架信息,并结合动态时间规整算法,完成近距离下手势识别。