伴随着计算机技术的长足发展,人工智能、人机交互等众多学科成为研究热点。手势被视作人机交互的一个重要方式。所以通过对手势动作的识别方法进行研究并且研究相应的识别程序来达到动态手势操纵的目的成为了人机交互领域中的一个重大议题。动态手势就是在时间的推移前进下手势变化序列组。本文探讨了基于视觉的以及基于深度学习的动态手势识别。并在此基础上设计完成了一个动态手势识别系统。该手势识别过程主要包含手势的获取、手势分割、提取手势特征、手势库的建立以及手势的识别。本文在现有的技术之上,主要做了以下研究:（1）依照动态手势识别模型的框架,详尽的对各个阶段的常用技术以及原理应用进行了讲解,并且通过自己的具体试验结果对其优缺点进行分析和分类。动态手势识别与静态识别最大的区别就在于其要求更便捷的实时性以及更高的识别率,因此本文所研究的算法和图像处理方法皆以此要求为核心找寻两者的平衡点。（2）通过对现有的手势识别技术进行学习研究,在此分析对比的基础上,从手势特征提取和手势建模两个方面入手,研究基于传统视觉的手势识别方法并采用SVM分类器进行数字识别实验。（3）研究基于神经网络的手势识别方法。并对卷积神经网络算法进行了实验验证。本文通过自建手势识别数据集,利用卷积神经网络建立了训练集与测试集,通过对cnn算法进行加深网络深度的优化,来达到识别率的提高,通过实验研究结果表明,此算法的改进能更好的识别手势。