手势是人与人之间一种非常重要的交流方式。随着计算机技术的发展,以及人与计算机之间的交互的多样化,手势识别已经成为涉及图像处理、模式识别、计算机视觉等领域的一个交叉学科,加之手势的多样性、多义性,以及时间和空间上的差异性等特点,因此手势识别自然成为一个极具吸引力的研究课题。手势识别的过程可分为手部数据的获取、手部特征的提取、手部特征的识别三个阶段。本文主要基于神经网络方法,深入研究了静态手势识别,主要做了如下三部分的工作:1.手部特征提取的神经网络方法研究。特征提取为手势识别关键的步骤,本文首先研究了卷积网络特性,提取了手部边缘特征;其次,通过区域的颜色分割方法,并应用增长型神经气网络来表达与描述手部区域特征;基于手部区域,本文进一步提出凸性特征来描述手部区域;最后,一种新的基于增长型神经网络骨架化方法也被用于描述手部特征。2.研究手部特征识别的神经网络方法。大量研究表明经过精心设计的具有局部接收域的,并且权值具有局部共享特征的多层神经网络在对象识别中表现出错误率比较低的独特特性。本文基于多层神经网络的此项特性,主要研究基于多层神经网络的方法来识别手部特征,主要采用传统的多层感知机网络和径向基函数网络,以及一种可监督的增长型神经气网络,其仿真和实验结果通过设计的综合实验平台具体实现。3.手势识别实验平台的设计和实现。为了研究神经网络的特征提取与识别能力,本文设计了一个统一的静态手势识别实验平台,旨在结合不同的模型和算法,综合手势特征提取与手势识别,从而完成模型和算法的验证以及用户交互和直观显示,这个平台的研制也为后续持续的算法改进和验证奠定了相应的基础。本文最后的实验给出了不同特征的影响以及不同识别网络的影响,并对实验结果进行了详细分析。