手势识别是人机交互领域的一个热点问题,而手势检测是手势识别的关键步骤之一。传统的手势检测不仅采用肤色检测而且还需要人手定位,计算复杂度高。深度传感器的出现为手势检测提供了一个新的思路,它获取的深度图像包含了物体的深度信息。单独的进行深度图像分割可以有效快速的分割出手势,但在复杂背景下手势检测准确率低。目前的手势检测算法大部分都是仅利用彩色图像(RGB Image)或深度图像(Depth Image)信息,很少将它们结合起来进行检测。本文基于RGB-D图像信息,提出了一种新的手势检测方法,首先提出结合肤色高斯模型分割和深度阈值的方法对手势进行分割。实验结果发现,分割的手势常常含有空洞部分。为了解决此类问题,提出了基于凸优化的Chan-Vese模型对彩色图像和深度图像分别进行分割,然后对分割出的结果取交集,得出最佳的手势区域。即使在复杂背景情况下,该方法也能精确地进行手势检测。它具有较好的区分性和鲁棒性,为手势识别奠定了基础。