手语是聋人进行交流的主要方式，是一种通过双手的手形和运动来表达信息的形式化语言。手语识别研究不仅可以增进聋人与健听人之间的无障碍交流，还可以提高计算机对人体语言的理解能力，具有较强的理论意义和应用价值。 目前，手语识别经历了近20年的研究，虽然取得了很多的成果，但仍然存在很多挑战性的难题。其中，非特定人的识别问题是手语识别走向实用化的瓶颈。由于难以获取大量不同人的手语数据以及不同手语者(signer)之间存在的数据差异性，很难建立适用于不同人的通用模型，为了解决这一问题，本文借鉴语音识别领域中自适应的相关思路和技术，针对手语识别中自适应问题进行了研究。 本文首先根据多个手语者的数据训练获得各个手势访J的隐马尔可夫模型(HMM)，然后采用最大似然线性回归算法(MLLR)，使用新手语者的数据对模型参数进行修正，使得手势词模型能更好地刻画新手语者的手势，从而提高识别效果。本文分别对静止词汇集和动态词汇集进行实验，实验结果表明采用自适应技术在一定程度上提高了系统的识别率。