手势识别的研究具有广阔的实际应用前景,基于计算机视觉的手势识别能够提供更加自然、和谐的人机交互方式,是手势识别技术发展的趋势。但是由于手势具有时间和空间上的多样性以及不确定性,因此目前这种人机交互方式还处于实验阶段,理论不是很成熟,能够识别的范围比较小,这是一个极富挑战性的研究课题。基于计算机视觉的手势识别过程大致可分为手势分割、手势特征提取以及手势识别三个阶段。本文在查阅大量的参考资料的基础上,主要做了如下三部分的工作：在手势分割阶段,本文比较分析了几种常用的手势分割算法,在比较了肤色在各个颜色空间的聚类情况之后,提出了在YCbCr空间下基于肤色自适应的手势分割方法,试验证明该方法能够较好的完成复杂背景下的手势分割任务。在手势特征的提取阶段,本文比较分析了几种常用的手势特征提取方法,实现了基于12个傅里叶描绘子的手势特征提取和基于7个不变矩的手势特征提取,并在傅里叶描绘子个数的选择上进行了分析。在手势识别阶段,本文分静态手势识别和动态手势识别两个方面来讨论。在静态手势识别中,首先简要分析了模板匹配的方法,然后详细介绍了神经网络的方法,并用BP神经网络对10个数字手势,600个样本进行了训练和识别。在动态手势识别中,本文对包含手形的动态手势识别中的关键技术进行了初步研究,提出了一种将关键帧识别和轨迹识别相结合的方法。实验结果表明,这种方法取得了比较好的效果。