人机交互在计算机领域是一个比较重要的方向。手势作为一种自然的交互模型,能使人与计算机之间的交流像人与人之间一样直接、自由、自然,因而成为了人们关注的焦点。手势识别的方法有多种,根据建模方式的不同,可分为基于视觉的手势识别和基于可穿戴设备的手势识别等方法。其中基于视觉的手势识别方法得到了非常深入的研究,并具有很高的识别率,然而该方法过度依赖于外部环境和人群场所,如光照,遮挡等。近年来加速度传感器广泛的嵌入到智能终端中,并得到了大量研究者的关注。本文主要研究的是基于三维加速度传感器的手势识别的算法。针对人机交互注重用户体验感的特点,手势识别应该具有高识别率和实时性,为此,本文主要做了以下创新工作:1、为了提高手势识别的精确度,本文设计了一种基于KSVD的手势识别算法。该方法分为两个阶段,第一阶段,对加速度数据进行滤波插值等预处理后,使用KSVD算法对每类的手势字典进行训练,提取出最稀疏的过完备训练字典,给字典的每个手势打上类别标签后进行级联,形成一个新的过完备字典;第二阶段,将测试样本进行稀疏表示,该方法运用所有的样本进行协同表示,通过L2范式求解训练样本集的稀疏系数,将测试样本归为与最相关的稀疏系数相对应的训练样本类中。2、为了使系统满足高识别率和实时的要求,本文设计了一种快速的基于稀疏表示的手势识别算法。该算法使用L1范数进行稀疏系数的优化,L1范数优化的时间与训练样本是成正比的,因此,文中我们先取出测试样本在训练样本集合中最相似的K个样本,然后把测试样本用新取出的K个训练样本进行线性表示,再通过L1范数进行优化求解,得出测试样本与训练样本的误差,最后将测试样本归类至具有最小误差的类别之中。改进的方法更好地表示了测试样本与训练样本的关系,因而具有更高的识别率,此外改进的方法的样本数量大大减少,缩短了识别时间,能更有效的提升用户体验。