手势识别是人机交互一个重要的研究课题,由于对它的研究特别是对基于视觉的手势识别的研究顺应了近年来人机交互从机器友好型向着人类友好型发展的趋势,因此有着极大的科研和应用前景。然而在实际使用中,人手形态的多样性,及其所处环境的背景、光线的变化等因素都给计算机从图像信息中正确识别的手势带来了极大挑战。针对这些问题,本文分别对手势识别、手势检测等问题进行了研究,主要工作如下:(1)针对手势检测问题,结合视频中的多种检测算法提出了一种多策略融合的手势检测方法。为了解决复杂背景下手势检测出现的误检问题,研究了肤色检测、vibe运动检测等算法的原理,根据各种算法在检测中的特点在将肤色、运动和人脸信息进行融合,提升了在复杂背景下手势检测的鲁棒性。特别的针对手势与类肤色背景重合时的检测容易失效问题,对融合策略进行了自适应阈值的改进,改善了算法在该种情况下的检测率。(2)针对手势分类识别问题,在普通的深度学习卷积神经网络手势识别方法的基础上提出了一种基于二值卷积神经网络的手势识别方法。该方法将网络的二值化方法与卷积神经网络手势识别方法相结合,使用二值化后的权值提替代网络中原本的高精度权值,减少了算法计算量及内存占用。通过实验证明,算法在取得了足够的准确性和鲁棒性的基础上,计算效率和在实时系统中的适用性得到了提升。(3)设计和实现了一个手势识别系统,展示了手势识别在人机交互系统中的应用。从系统的需求和功能模块的设计,到结合了前面提出的两种方法的复杂背景下的手势识别功能模块及手势训练模块的实现,再到将成熟的人脸识别检测方案集成的协同认证模块的实现,本文详细地介绍了系统设计实现的各个细节。最后通过实验展示了系统用于识别数字和解锁的功能和特性。