随着计算机技术的发展,实现人机交互的技术越来越多,其应用范围也越来越广泛,人们希望通过简单明了的输入信息,完善的系统直接实现对计算机的相关操作。在生活中,人与人之间的相互交流主要通过自然语言和肢体语言,其中,肢体语言受种族和地域的影响很少,所以越来越多的研究者专注于使用人体的肢体语言作为输入信息,构建相应的系统,实现人机交互。手势是一种最简单的肢体语言,同时它可以基本的表达出来人的意图,所以将手势作为研究对象,可以直接实现人机交互。对手势的描述受手型,姿态和姿势等因素的影响,构建手势的识别系统会因为提取的特征提取信息不同,选用的识别算法的不同而具有不同的广泛适用性。本论文重点进行了基于动态贝叶斯网络模型的手势识别研究,具体研究工作如下：(1)通过讨论手势识别技术的发展历程和研究现状,归纳总结出手势识别的未来发展趋势,确定出本文研究方向。(2)研究了现有手势定位方法,对比与分析各个方法的优缺点,确定基于肤色模板实现定位,基于有优势的颜色空间相结合的肤色模板实现定位,对肤色区域进行形态学处理、阈值分割获得精确肤色区域。(3)求取肤色质心,近似表示帧图像中双手和脸部区域,基于光流场法对其进行跟踪,计算手势运动矢量,对矢量量化编码,获得手势链码,完成特征提取。(4)根据链码的特征,构建出适合的动态贝叶斯网络(DBN)模型,将样本链码作为其输入,通过学习获得最优参数,将待识别链码作为输入进行推理,获得识别结果。(5)对已构建系统进行了大量的实验分析及评估,验证了基于动态贝叶斯网络的手势识别算法的有效性。在实验数据分析的基础上,整体系统框架的性能分析证明了构建的该动态贝叶斯网络模型的可行性。通过大量的实验结果和数据分析表明,所构建的DBN模型对动态手势的识别具有更普遍,更准确的特点。