人机交互技术是一种人与计算机通过传输设备进行交换信息的技术。随着科技的日益发展,鼠标、手柄、键盘等传统的人机交互设备已经渐渐不能满足人们日益增长的需求。手势识别是一种利用手势与机器进行交互的人机交互类型,具有自然方便、易学习的特点,渐渐成为了人机交互的研究热点。基于数据手套的手势识别和基于机器视觉的手势识别这两种手势识别技术都具有不足之处:数据手套价格昂贵且使用不方便;基于机器视觉的手势识别虽然能够解决数据手套所带来的问题,但其很容易受到光照、背景的干扰。基于上述原因,本文选择利用基于深度数据的手势识别技术进行研究。深度数据由Xtion深度设备获取,能够反映出目标区域中各个物体与摄像头之间的距离。深度数据不会受到光照的影响,大大减少了各种环境因素对手势识别的干扰,这能够在很大程度上降低手势识别算法的复杂度并提高其准确率。本文的研究内容为利用深度数据建立一个手势识别系统,在系统的每个部分都利用到深度数据信息,最终实现应用。手势识别系统分为三个部分,其中在手势分割部分,在基于肤色信息和深度数据的手势分割算法的基础上进行了改进,改善了手势分割算法的有效性和准确性;在手势跟踪部分,提出了融合深度数据的手势跟踪算法,在保证跟踪算法有效性的基础上,改善了跟踪漂移问题;在手势识别算法部分,选择利用基于方向梯度直方图(Histogram of Oriented Gradient,HOG)特征的支持向量机(Support Vector Machine,SVM)手势识别算法对5种已定义的静态手势进行分类识别,得到了较好的识别正确率,同时还利用了目标手势的二维位置信息和深度数据信息,将手势识别从传统上的二维空间识别扩展到三维空间识别。这种方式扩大了手势识别的应用场景,对手势识别更深远的发展有重要的意义。完成以上所有步骤之后,利用已经建立好的手势识别系统实现一个应用,使其能够通过上述五种手势的移动和变化实现控制鼠标指针的移动、操作以及页面的切换。通过该应用能够很好地验证本文中的手势识别系统的有效性和实用性,并能够更具体地认识到该手势识别系统的不足,使之后的研究能够更完善,早日实现手势识别应用的普及。