伴随着软硬件技术的飞速发展，电子计算机已逐渐深入到人们生产生活的方方面面，这使得人机交互成为一个在理论和实践上都具有重要意义的研究课题。当前的人机交互主要依赖于键盘、鼠标以及一些图形化界面，这些传统方式难以满足日益多样化的应用需求，具有自然、直观、友好等特点的新型交互方式成为一种必然趋势。基于视觉的手势交互技术具有以上特点，目前在数字娱乐、虚拟现实、手语理解、远程控制等领域中有着广泛而重要的应用。　　 鉴于实时手势交互技术所具有的重要学术价值和广泛应用前景，本文选择自然背景下实时的人手检测、跟踪以及动态手势识别作为论题进行了深入的研究，最终实现了一个完整的手势识别系统。本文的主要内容概述如下：　　 ●将人脸检测中广泛采用的Adaboost算法用于人手的检测，并用方向梯度直方图(HOG)特征替换传统的Haar特征进行训练和检测，实现了高效的人手检测。　　 ●根据人手检测结果自动初始化跟踪算法，并利用最佳初始轮廓构造出一个线性肤色分类器。该分类器针对特定人建立，计算量少并具有较好的效果，还可以在后期跟踪过程中根据肤色提取效果进行参数调整，以适应一定的环境变化。　　 ●利用B样条曲线建模人手，采用Condensation算法跟踪轮廓的刚体运动(平移、旋转及缩放)，再采用启发式扫描方法确定各个手指轮廓的角度和长度，对运动自由度很高的人手轮廓进行了实时高效的跟踪。　　 ●利用隐马尔科夫模型(HMM)实现了动态手势识别，并在最后将检测、跟踪和识别融合成一个完整的系统。