随着电子产品被当作哑语手势获取设备的广泛普及,研究识别数目较多、准确性较高的哑语手势识别算法也变得越来越紧迫。Kinect设备的出现,不仅为自然人机交互开辟了新的途径,也为哑语手势的识别给予了借鉴。因此,本文基于Kinect进行了哑语手势识别的研究,具体工作概括如下:（1）总结出了一种哑语手势的划分方法。首先通过研究《中国手语》的分析,得出了哑语手势形状是由手指数目、手指组合和手指形态三个特征组成;进而总结出了 61个基本哑语手势;最后给出了基本哑语手势的分类。（2）提出了一种基于Kinect的哑语手势区域轮廓提取方法。首先通过Kinect获取具有深度信息的哑语手势模型,使用阈值法粗粒度提取哑语手势;然后使用基于肤色特征,对提取的手势进行优化,以消除残留的背景信息;基于区域密度得到最大连通区域,进而提取手势的质心,最后通过Canny算子提取哑语手势轮廓。（3）给出一种联合距离与曲率特征的哑语手势识别方法。首先,计算手势距离特征,根据手势质心寻找一个以质心为圆心包括整个手掌的圆,接着用这个圆将手势轮廓区域划分为手指区域、手掌区域和手臂区域,最后以手势质心为原点,扫描整个手指区域的手指像素点,得到哑语手势轮廓的距离特征。其次,计算哑语手势曲率,标定一个初始像素,以这个像素点为圆心画圆圈,接着沿着轮廓线依次计算每一个轮廓线上的像素点的圆圈的面积和手势区域落在圆圈中的面积,通过手势轮廓落在圆的部分与圆面积的比率计算手势轮廓的曲率。最后,以这两个特征向量作为神经网络的输入,完成哑语手势最终识别。实验结果表明,使用本文中给出的哑语手势识别方法能够有效的识别61个基本哑语手势。