手势识别技术一直以来都是下一代人机交互方式重点研究领域之一。在当今智能设备兴起的时代,越来越多的商业公司也开始着朝这一领域发力,伺机将该技术商业化。手势识别技术按所使用的传感器划分,可分为基于视觉的手势识别和非基于视觉的手势识别。基于视觉的手势识别技术又可分为动态手势识别和静态手势识别。基于视觉的动态手势识别技术具体指计算机通过摄像头获取到用户的动态手势视频数据,然后通过一定的识别算法从视频数据中识别出用户的动态手势指令,最后根据识别出来的指令做出相应的反馈。本文所研究的动态手势识别系统一共分为四部分,分别是肤色分割、手势几何建模、动态手势跟踪、动态手势分类。肤色分割部分针对肤色的5个特征建立了基于亮度索引的混合高斯肤色模型,并且提出了一种肤色样本采集方法,采用这种方法有效解决了建立肤色模型所需初始肤色样本数据的问题。手势几何建模部分设计了一种手势几何建模算法,完成了手势手型的像素表达到手势手型的几何图形表达的转换。这种转换是有效的,采用这种转换后可以有效区分手势肤色数据块和非手势肤色数据块(如脸部肤色数据),另外这种几何表达所对应的几何参数可作为特定手型的特征参数。动态手势跟踪部分主要针对动态手势的特定应用对Camshift算法做了改进,以更高效的方式实现对动态手势的跟踪。动态手势分类部分则采用模板匹配的方法将DTW和KNN相结合,DTW用来计算动态手势模板的相似度,KNN则采用投票的方式在众多候选手势中选出最为相似的动态手势指令。最终本文所研究的系统实现了对动态手势识别为81.31%的准确率,嵌入式平台上单帧处理时间为0.235s。