手势检测与跟踪是计算机视觉领域中一个非常重要的研究课题，作为手势识别、信息检索、人机交互等热门领域的一项关键技术，手势检测与跟踪技术受到越来越多的研究者的青睐。　　 本文主要对静态背景下的运动手势检测与跟踪算法展开研究，通过研究手势检测与跟踪技术的各种方法，最后设计出在复杂背景下快速手势跟踪算法。本文的主要内容有：　　 在手势检测部分，提出融合肤色和运动信息的手势检测方法。首先研究了肤色在YCbCr空间聚类性，利用肤色样本建立肤色高斯模型，进行简单的肤色分割。然后为了去除类肤色等干扰，利用运动信息进行背景差分，同时更新背景模板。该方法保证了在复杂背景下手势检测的准确性　　 在手势跟踪部分，首先分析了基于颜色直方图的Camshift算法，该算法实时性好，算法简单，不受手势形状、大小影响，适合用于快速运动目标跟踪，但一碰到遮挡或类肤色的干扰，跟踪效果差。之后讨论了粒子滤波算法，建立了状态模型和核函数下的颜色直方图作为度量基础的观测模型，设定了手势模板，在粒子空间计算相似度，并最终以粒子位置加权和的方式确定手势位置。该算法具有在复杂背景下较强抗遮挡能力，但计算量很大，不适合快速地跟踪。为了消除遮挡和类肤色的干扰，本文引入Kalman滤波器对Camshift算法进行改进，利用Kalman滤波器预测运动手势的中心位置，实验证明该算法克服了遮挡和类肤色的干扰，提高了跟踪效率，具有一定的实用价值。