当前移动设备的主要操作流程是触控,但是在特殊应用场景下,如油田矿山等场所,由于高粉尘、油污和噪音的存在,触控、声控制操作并不方便使用,而手势作为一种自然直观的人机交互方式更适合于这些地方,因此在移动设备上手势识别的开发具有十分重要的意义。早在1993年托马斯就给出了用手套的方式来进行手势的人工交互。虽然识别准确但是由于手套外设的存在对于用户来说仍然不够友好。之后给出用视觉方式来识别手势含义,其中包含模板匹配法和数学统计法。手势识别的发展也日进完善。但是上述方法大多是基于图像在PC端的手势识别。基于移动设备端的手势识别仍然存在些许空白。毕竟移动设备与传统计算机相比性能方面还存在这较大的差异,在传统计算机上适用的方法移植到移动设备上很可能无法使用。若要保证较高的识别准确度,则必须设计更精密的识别流程,从而提高算法复杂度。然而,由于移动设备性能较低,高准确度的设计会严重影响到识别的实时性。反之,若过分要求实时性,则算法的准确性便无法保证。如何取舍是需要克服的一个难点。本文在以往的视觉手势识别技术的基础上,具体研究手势的几何特征,给出了一种能在移动设备上流畅运行的视觉手势识别方法。通过移动设备的摄像头提取手势原始图像,进而利用肤色识别得到手势的二值化图像。通过对手势的二值化图像进行几何特征分析,选取有价值的几何特征值,通过特征匹配得到手势含义。将手势信息作为控制移动设备的指令,操纵移动设备。本文选取Android作为试验平台,经测试表明,该方法在Android设备上的运行周期约为120ms,正确率接近90%,保证了手势识别的实时性和准确性。