随着虚拟现实技术的快速发展,人机交互正在从传统基于物理外设的模式逐步转变为人机直接交互的虚拟模式。本文就从人机交互中最常见的键盘接口出发,研究适合室内场景下使用的利用单个RGB摄像头作为输入的虚拟键盘系统。但当前,基于计算机视觉的诸多人机交互虚拟应用在手部区域识别准确率、指尖点提取精度、对背景环境鲁棒性、用户易用性等方面仍有进一步完善的空间。因此,研究一套完整的、高精度的、贴近用户日常使用习惯的虚拟键盘系统变得十分具有现实意义。本文主要在以下两个方面展开了研究。一方面,对于虚拟键盘最为重要的指尖提取方法,传统算法存在着适用场景过于简单、提取精度不高、容易受手部姿态干扰等问题。本文在已有的基于指尖轮廓的K余弦算法的基础上进行了适当改进,对手部极限姿态下易产生误判点簇的情况进行了考虑。结合误判点具有的曲率低、纵坐标小的特征对其进行了剔除,然后利用无监督学习的K-means聚类算法对指尖点簇进行聚类,得到的簇中心作为真正采用的指尖点坐标,使得传统指尖提取算法更适合本文提出的第二种虚拟键盘的使用场景。另一方面,对于如何实现虚拟键盘系统,主要是如何实现按键位置的定位和击键事件的判定这两个模块给出了两种不同的实现思路。一种借助了键盘纸外设,利用键盘纸对键盘位置进行标定,坐落在键位内的指尖点通过击键判定算法控制键位击键;另一种则完全依靠用户手势控制,利用手部的HOG特征作为手势样本的特征,然后采用线性核的SVM分类器对用户的三种手势进行识别,用以控制虚拟键盘的行,用户的指尖点索引控制键位的列,击键判定工作则依靠指尖点纵坐标标定实现。此外,对每一种实现本文从不同角度进行了性能分析,并与已有方法进行了比较。本文通过基于单个RGB摄像头的虚拟键盘系统的研究对未来基于计算机视觉的人机交互系统进行了展望,希望能对未来完全虚拟现实化的人机交互系统研究有一定的参考价值和现实意义。