随着计算机技术在科学领域的广泛应用,人机交互（Human-computer interaction,HCI）的出现对计算机的使用产生了积极的影响。为了让HCI显得更加自然、直观,人们将手势识别（Hand Gesture Recognition,HGR）技术引入人机交互领域。手势识别和基于手势的交互在HCI中受到越来越多的关注。本研究构建了基于动态手势识别的实时字符输入系统,主要利用深度学习技术实现动态手势识别,并且基于Lab VIEW平台进行手势控制键盘,实现了实时打字的功能。首先,我们利用含有27种手势类别的Jester数据库实现了手势识别算法的构建,主要包括基于时间分割网络（Temporal Segment Network,TSN）模型实现动态手势视频中的长时序建模,借助稀疏采样方案进行手势信息的提取,并在平均融合方法下实现手势运动信息的整合,然后经softmax层得到分类结果;其次,为了提高网络的性能,采用残差神经网络（Residual neural network,Res Net）作为TSN的基础网络模型;最后,使用时序关系网络（Temporal Relational Network,TRN）的新型融合函数代替TSN的平均融合,结果证明TRN的加入使得手势分类效果更好。本次研究在Jester数据集上的训练准确率为94.319%,测试准确率达94.305%。与此同时,采用单目摄像头采集手势视频流进行动态手势的实时识别,手势识别率基本保持在90%-99%之间。本文设计了基于动态手势的实时字符输入系统,能够实时预测动态手势并且可以通过手势控制键盘,实现了汉语拼音、数字、英文字母等字符的实时输入以及微软办公演示文稿（Microsoft Office Power Point,PPT）的上下翻页功能。该系统不仅降低了传统手势识别方法中提取特征的复杂度,而且在实际应用中具有重要意义,针对老年人、视力不佳者和需要教学演示的用户来说,手势打字输入系统更加方便、直观。