随着人工智能、计算机视觉以及通信技术的不断发展,近年来人机之间的关系逐渐从“人适应机器”转变为“机器适应人”。得益于处理器性能的迅速改善以及高性能动作捕捉设备的发展,基于手势识别的人机交互系统已经成为热门的研究方向。然而在实际场景中,多样性的手势形态、复杂的环境背景以及不可控的光照条件都给手势识别带来了极大的挑战。为了提高手势识别的正确率,本文实现了融合视觉信息和压缩卷积神经网络的多策略识别方法,成功设计了面向空中机器人的手势识别系统,实现了利用直观舒适的手臂手势与系统进行交互的自然用户界面。本文主要完成了以下几方面的工作:手势设计阶段考虑到人机距离、相机运动以及光照条件等因素,设计了适用于空中机器人飞行场景的手臂手势;图像采集阶段设计基于单目相机的图像采集模块,将彩色图像作为手势识别系统的输入,减少经济成本的同时降低了负载;目标跟踪阶段研究分析了快速运算以及定位准确的判别式尺度空间跟踪算法和核相关滤波跟踪算法,并且实现了利用人脸检测、肤色检测自动初始化目标跟踪器和手动初始化目标跟踪器的自适应切换机制;手势识别阶段为了在空中机器人上部署卷积神经网络,融合了卷积神经网络的深度压缩算法,有效减少权值模型存储空间并且提高了网络运算的速度;命令产生阶段为了提高控制命令的可靠性以及增强系统的鲁棒性,设计了存储多帧识别结果的状态机;算法融合阶段为了高效处理上述各模块之间的通信,基于机器人操作系统实现本文设计的手势识别系统。最后,基于个人电脑的处理器Intel(R)Core(TM)i5-6200U和微型电脑的处理器Intel(R)Atom(TM)Z8300/Z8350进行系统的性能分析,确保本文设计的手势识别系统可以移植到空中机器人。