理想的人机交互方式应该是尽可能的直接和自然，用户可以随意的和计算机进行交流而不需要诸如远程控制、鼠标和键盘之类的额外装备。手势识别技术不但能提供一种简单的、自然的人机交互方式而且正在逐渐改变着人们的日常生活方式，它被广泛应用于各种领域，例如体感游戏、机器人控制、增强现实、智能家居、手语识别等。因此，对手势识别技术的研究有着深远的意义。人机交互中，典型的手势识别算法包括手势分割、手势特征提取、手势识别三大部分，本论文主要针对这三部分进行了详细的研究，主要工作如下：1、研究了基于普通摄像头和Kinect传感器两种平台下，从复杂背景中分割手势的方法。在普通摄像头平台下，首先在YCgCr空间建立基于人脸检测的实时肤色高斯模型，然后融合肤色信息及运动信息，最后利用GraphCuts彩色图像分割算法实现了复杂背景下的手势分割。该方法在一定程度上能够克服光照变化和用户肤色差异对手势分割带来的不利影响；Kinect传感器平台下，利用深度直方图实现手势分割，该方法不受背景颜色、光照强度等影响，在实时系统中能够准确的分割出手势。2、特征提取方面，提取了手势的长宽比、紧密型、凹凸性、离心率等表现特征以及轮廓的傅里叶描述子特征。这些特征都具有旋转不变，比例伸缩性,平移不变性，符合手势识别系统的要求。3、手势识别方面，提出了基于凹凸点和基于轮廓序列的两种数字手势识别方法，以及基于SVM分类器的多类手势识别方法。其中数字手势识别可以达到90%以上的识别率，SVM分类器对自定义的八种手势达到85%以上的识别率；4、搭建了完整的基于普通摄像头和深度传感器两种平台下的实时手势识别系统,并且能够用这两种系统实现手势控制PPT的交互活动。