随着科技的发展、社会需求的不断增长,手势识别在虚拟现实、智能设备控制、机器人控制、医疗诊断、计算机辅助制造等多方面具有广泛的应用前景,成为了人机交互的重点研究内容。而手势识别常分为手势检测、手势跟踪、特征提取与手势识别等几个步骤。其中,手势检测和手势跟踪是手势识别的关键步骤和难点。许多学者针对这两个步骤进行研究。因此,通过对这两个步骤的研究与分析,本文对相关算法进行改进,并将改进后的算法移植至Zynq-7000为核心的Zedboard平台中。本文工作旨在提高运动手势检测与跟踪的准确性。本文深入地研究与分析了手势检测与跟踪的各项相关技术,首先对手势检测中用到的各种运动检测算法和肤色检测模型进行了理论分析与实验验证;根据验证实验的对比结果设计了合适的手势检测方法,并进行了实验验证;对手势跟踪的各种算法进行了理论分析与实验验证;结合嵌入式实现需求,设计了合适的手势跟踪方法,并进行实验验证;最后设计了视频采集硬件、软件平台,对本文算法进行实现与测试验证。在手势检测模型研究中,对手势检测的运动检测主流算法进行了理论分析,并设计相应实验进行效果对比分析;并对肤色检测算法中的固定阈值检测方法、自适应Otsu阈值检测方法与直方图模型检测方法进行理论分析,设计了固定阈值检测与自适应Otsu阈值检测实验;以及基于直方图的肤色检测实验,对实验结果进行对比分析;最后本文结合混合高斯模型与Otsu自适应阈值模型,并根据实际需求加入部分手势几何特征设计了手势检测算法,通过实验验证了该算法的可行性。在手势跟踪模型研究中,对Kalman滤波器跟踪、基于颜色的粒子滤波跟踪与CamShift跟踪进行等算法进行了理论分析;并设计相应实验进行效果对比,进行优缺点分析。最后,为克服实际应用中背景复杂、干扰过多等问题,结合Kalman跟踪与CamShift跟踪,设计了手势跟踪算法,对肤色检测后的图像进行手势跟踪,以降低算法的开销,并设计相应实验验证了该算法的可行性。为实现算法,本文搭建了Zedboard评估板平台,设计了OV7725图像传感器视频采集逻辑模块与基于AXI-4总线的视频传输模块,并为平台搭载了嵌入式Linux内核,移植计算机视觉开源库OpenCV与图形界面库Qt。利用交叉编译算法程序的方法,实现了在嵌入式平台中手势检测与跟踪算法的应用,使系统能够对手势进行准确跟踪。