基于深度图像的手势识别技术随着深度传感器的发展已经逐步替代已有的其他传统手势识别技术。通过深度信息的获取大大简化了手势分割和手势追踪的处理过程,这两者都是手势识别尤其是动态手势识别成功的重要前提。因此本文希望在基于深度图像的基础上设计出快速有效的手势分割方法。同时通过设计显著的手势生物特征,简化手势的特征提取过程,降低表征手势的特征值的维度,减少数据处理量。最后提出通过核函数改进稀疏表示方法用于动态手势识别,提高了识别的准确率和速度。本论文主要设计过程如下:1.采用Kinect传感器获取动态手势的深度图像和彩色图像流。2.将肤色分割、深度阈值分割、骨骼追踪技术三者结合实时的对复杂背景、重叠物下的手势进行分割。3.设计掌心位置、凹槽个数、指尖个数、旋转方向四种手势在动态移动过程中的显著生物特征,分别设计最小内切圆、凸缺陷、指尖夹角、旋转夹角方法对四种特征进行特征提取。4.将核函数和稀疏表示方法结合,对动态手势进行识别。实现不同序列长度下的动态手势样本学习,通过学习稀疏字典得到手势模型,该模型通过找线性方程最优解,大大提高了手势识别的速度。