本文的人机划拳系统是一个简单的人机交互系统。它把人与人之间的划拳游戏的一方换成了计算机,使人可以自由地去进行划拳游戏而不依赖别人。近几年,随着人机交互技术的快速发展,研究符合人际交流习惯的人机交互方式取得了很大的进步。所主要研究的人机交互方式有：脸部的识别、脸部情感识别、头部的运动跟踪、口形的识别、眼球方向跟踪、手势的识别、体势的识别,以及多种方式相结合的人机交互方式。而手势识别是一种相当重要的人机交互方式,它直观、简单、易于实现,现在很多游戏都试图用打手势来代替鼠标和键盘操作,使人们能更容易沉浸于游戏中去。而由于手势的多样性、一个手势可能有多种意义等特点,另外人手是可以灵活变形的,加上视觉技术的复杂性,因此基于视觉技术的手势识别是一个具有挑战性的、牵涉到多学科的课题。本文设计了一个人机划拳的系统。该系统的实现过程包括：视频采集、帧分离、提取有用帧、图像分割、特征提取、分类识别、人机交互。我们首先通过ForeSite-EDU摄像头获取视频数据流,并在采集的过程中通过调用VFW软件包中的接口函数来对采集的视频进行处理和保存,得到连续单帧图像。下面通过背景减除判断是否有手势出现。当检测到有手势出现时,再通过时间差分进行相邻帧间检测,若有连续几帧,相邻帧间进行时间差分都得到的二值图像只有黑色像素时,则取其中一帧即为有用帧。然后针对所得到的有用帧,根据人体肤色的H值的聚类特性,采用基于HSV肤色模型中H值的方法分割出手势区域,得到二值图。对所得的二值图通过探索法法得到其外部轮廓图。特征提取阶段,通过对二值图和轮廓图提取8个几何特征组成特征向量。识别阶段基于最小欧式距离的模式匹配法来进行识别。最后将识别结果与计算机随机出拳进行比较(用1,2,3分别代表剪子,包袱,锤头)得到交互结果并进行显示。本文获取15段视频片段,其中每种手势类型各采集5段做为测试样本,每段视频各100帧,平均识别率达到98.7%,满足识别率要求。交互阶段也能满足速度要求。