随着人们对人机交互领域越来越关注,基于视觉的手势检测技术逐渐成为研究热点。手势检测有着广阔的应用领域,比如病患及老人看护、智能家电控制、机器人控制等。近两年,移动设备计算处理性能的大幅提高,使基于移动设备的视觉手势交互成为可能。　　本文主要研究视觉手势检测的实现方法。首先,提取样本的梯度方向直方图特征(histograms of oriented gradients,简称HOG),使用支持向量机(Support Vector Machine,简称SVM)训练手势分类器;然后,提取待检测图像的肤色区域,并使用快速算法提取肤色区域的HOG特征;最后,将提取出的HOG特征送入手势分类器进行检测,判断待检测图像中有无目标手势。　　本文首先在X86平台上利用VS2010搭载OpenCV计算机视觉库对上述手势检测算法进行了实验仿真,然后使用NDK将OpenCV移植到Android平台上,实现了Android环境下的手势检测功能。最后,在小米2S手机上实现了一个检测特定手势发送呼救短信的应用案例,其检测一副像素为576*432的视频图像帧平均时间约为86ms。　　该应用案例表明,本文提出的肤色提取与基于HOG和SVM的分类器相结合的手势检测算法切实可行,基本能满足手势实时检测的要求。