近年来,随着人工智能、虚拟现实等智能科技的迅速发展,基于视觉的手势识别因其简单、自然、直观和非侵犯性等特性已成为人机交互的重要组成部分和研究热点。手势分割作为手势识别系统的初始部分是手势识别的基础和重要环节,手势图像分割的准确度和速度直接决定了手势识别系统的识别效果及整个交互系统的性能。因此,手势分割方法研究具有重要的理论研究意义和实际应用价值。本文围绕基于视觉的手势图像预处理、颜色空间、肤色模型、聚类算法、目标追踪算法等相关技术及关键内容,针对因光照条件变化等造成手势图像的色彩失真和手势图像中包含面部信息干扰等问题分别进行白平衡色彩校正和面部信息去除等图像预处理,并在手势图像静态分割研究的基础上,通过理论推导与实验验证相结合的方式展开对视频序列的实时动态手势分割方法进行研究。具体研究内容如下:1.利用白平衡算法对手势图像进行色彩校正,并对含面部信息的手势图像进行面部区域确定及去除处理,有效提高了手势图片质量。通过白平衡色彩校正使手势图像肤色信息更接近真实肤色,为基于肤色的阈值分割提供了有利条件。针对面部信息干扰,利用Haar-like特征识别面部区域并去除面部区域,有效降低面部区域对手势分割的干扰。实验结果表明,通过图像预处理可有效提高手势分割的精度和准确性。2.提出一种基于混合高斯肤色模型和K-means聚类算法结合的静态手势分割方法。在常用颜色空间研究分析的基础上,构建高斯肤色模型,利用二维高斯分布函数计算像素点与肤色的相似度,得到图像中任意像素属于肤色的概率,进而获取手势的似然图。结合YCbCr颜色空间色度、亮度分离具备显著聚类性和K-means聚类高效分割的特性,解决肤色分割在光照变化下分割不准确的问题。实验结果表明,该方法可有效避免光照变化等因素的影响提高弱光下静态手势分割的准确性和适应性。3.提出了一种基于椭圆肤色模型与三帧差分算法结合的动态手势分割方法。首先采用三帧差分算法对运动区域进行分割,初步确定手势区域,然后利用椭圆边界模型的肤色分割对初步确认的手势区域进行二次分割以去除非肤色运动目标区域,通过灰度归一化处理,对二次分割进行“按位与”运算及形态学处理提取手势目标区域。同时,针对大面积色块区域干扰、非目标肤色区域去除及因短暂停留造成手势丢失等问题提出改进及解决方法。实验结果表明,改进算法可有效解决大面积类肤色背景、面部和其他非目标类肤色区域被误检及光照变化对手势分割干扰的问题,适用于视觉条件下动态手势的实时分割处理。