当今社会,计算机科学飞速发展,其应用领域也逐步普及到日常生活和工作的方方面面。使用者对计算机操作的便捷性和人机交互过程中的自然程度的需求日渐提高。在计算机视觉和智能识别领域,这种需求尤其强烈。所以,研究和设计出更加友好、便捷、智能的人机交互模式成为当务之急。聋人之间的沟通和交流主要依靠手语。研究和探索手语识别既能使聋人群体得到帮助,同时也能够有力地为人机交互领域做出推动作用。OpenCV是开源计算机视觉库,它由Intel公司开发,由C语言函数以及C++语言的类组成,提供了计算机视觉以及图像处理方面的诸多解决方案,是当下流行和实用的计算机视觉研究工具。本文主要基于OpenCV,将手语识别分为静态手语识别和动态手语识别两大类,并分别对其进行讨论和研究实现。本文的研究实践工作主要包括以下几方面：1.手势分割与跟踪。对于静态手势,提出采用TSL色彩空间对含有手势的图像进行建模,并进而分割出仅含手势部分图像的二值图像的方案。对于动态手势,采用先对视频流进行帧差处理,查找出运动部分区域再进行后续操作。2.手势特征的选择与提取。用计算量较小且特征描述性强的边缘轮廓匹配来处理静态手势。光流矢量特征具有较快的计算速度,将其作为动态手势的描述特征。3.手语分类识别。对提取到的手势特征,提出用ELM方法训练手语识别分类器,并最终运用到实时手语识别的过程中。实验表明,对选定手语词汇,识别率可达94%以上,并且基本能够满足实时性要求。