作为人类最自然的表达方式之一，指尖跟踪和手势识别一直是人机交互领域的研究热点。手势拟合是一种使用三维程序创建虚拟手并调整其参数使之能够和摄像机获取的手势最为匹配，来完成指尖跟踪与手势识别的一种方法。针对在手势拟合过程中难以同时满足精度和速度要求的现状，本文提出并实现了一种高效的通过使用普通摄像头来拟合手势的方法。实验表明该方法可以弥补普通摄像头缺少深度信息造成的不足，提高手势识别率。同时在一些无法检测到指尖的情况下也能有不错的表现。　　通过反向动力学和能量最小的原则，本文实现了将手势中的关键点数量降低的目的，并对手势各关节之间添加了约束。使得整个手势能够更加自然，通过关键点解算手势状态也更加快速。由于反向动力学具有高鲁棒性的优点，当指尖点位置不准确时，依然能够解算出相对最优的手势姿态。这为快速完成手势拟合提供了基础条件。通过实现马尔科夫模型，手势拟合问题可以转化为最优化问题。对关键点的参数进行多次尝试，并利用每次尝试的拟合结果对当前虚拟手的手势进行反馈，直至虚拟手手势和摄像机获取的手势图达到最佳拟合，即可完成一次虚拟手手势解算。为了能够快速获得最优解，本文提出一种混合分层抽样法，牛顿下山法和最速下降法的算法来进行优化，使整个过程能够更快速、准确和稳定。　　与之前的研究成果需要昂贵的硬件设备支持相比，本文的方法需要更少的资源，能够确保在当前主流电脑配置上流畅运行。