随着计算机技术的迅速发展，手势识别已经成为人机交互中的一项关键技术。基于视觉的手势识别以其显著的优势，是当前图像处理、模式识别、计算机视觉等领域的一个比较活跃的课题。本文主要研究基于视觉的手势识别和手势跟踪。　　 本文介绍并实现了两种算法，一种是基于几何矩的静态手势识别算法，另一种是基于CAMSHIFT(连续自适应均值漂移)的动态手势跟踪算法。基于几何矩的静态手势识别算法包括以下几个步骤：图像预处理，特征提取和特征识别。几何矩不随手势的旋转，平移和比例变化而变化，所以被用作手势特征。识别过程则是将输入的手势图像与标准库中手势的特征作对比，距离最小的即为匹配手势。基于CAMSHIFT的动态手势跟踪算法实现了实时跟踪。其基本思想是：将视频序列中的每一帧图像转化为颜色概率分布图，初始化一个搜索窗的大小和位置，然后对颜色概率分布图进行迭代运算，定位出手势的大小和位置，通过计算颜色概率分布图中手势区域的二阶矩，最终确定出感兴趣区域的长度和宽度。保存当前被跟踪手势的大小和位置，并用它来初始化下一帧视频图像搜索窗的大小和位置。实验证明，基于几何矩的静态手势识别算法能达到较高的识别率。本文实现的手势跟踪系统是实时的，通过测试证明基于CAMSHIFT的动态手势跟踪算法能够准确地跟踪手势的移动。但是这两种算法是在特定条件下实现的。首先手势的背景比较简单，在同一幅图片中没有人的手臂或人脸以及其他与人手肤色近似的颜色，其次这两种算法对光照也有要求。因此，这两种算法在以后的工作中仍需进一步改进。