对手势和人体姿势的识别是交互展示领域的热点研究方向之一。基于计算机视觉的识别技术容易受到现实环境中光照条件、背景场景等因素的影响；识别过程中对指尖的检测容易受到手部区域大小或者手势轮廓异常点的影响,针对这些问题,本文主要研究以下内容：1)研究了人体动作识别和手势识别的现状,并分析了目前识别技术中存在的问题。2)提出了基于Kinect深度信息和手掌节点信息的阈值法手势分割算法。该算法不仅针对手掌节点设置距离阂值,同时在灰度图像上设置区域阈值,大大减少比较次数。算法有效了排除了光照条件和背景场景对手势提取和分割的影响。3)提出了基于平均K曲率的指尖检测算法。算法由平均K曲率算法、改进的基于K-means聚类算法和类指尖排除等算法组成,减少了手部区域大小、距离Kinect摄像头远近和手势轮廓异常点对指尖检测结果的影响。4)提出了基于Kinect骨骼关节点的人体姿势识别算法。算法首先获取人体20个关节点,然后利用关节点之间的角度关系定义不同的人体姿势,通过设置多种阈值,有效地实现了人体姿势识别。5)设计并实现了基于Kinect的文化遗产个性化虚拟交互展示原型系统。将基于以上算法识别出的人体姿势和手势相结合,应用在文化遗产的个性化虚拟交互展示中,同时验证了算法的有效性。