基于计算机视觉的手势识别是人机交互领域中一个非常活跃的研究领域，同时也是近年来研究的一个热点问题。本论文的研究主要包括以下几个方面： 1研究了一种彩色图像中复杂背景下手势图像预处理方法。先获取背景图像，然后将采集的手势图像同背景图像进行差影法处理，然后进行彩色半阈值分割，再进行灰度阈值分割，最后进行平滑化处理。实验证明该方法可以在比较复杂背景条件下较好的对手势图像进行分割。 此外，对于复杂背景下基于肤色模型进行了实验，在基于肤色聚类特征，提出利用RGB空间进行粗分割，用改进的HSV空间进行细分割的手势分割新方法。实验结果表明，这种方法算法简单，易于实现，分割效果较好，并可用于实时图像处理。 2提出了一种基于单目视觉的手势识别算法。通过初始化过程获取获得特征参数，结合视频跟踪的过程实时获取用户手势区域，首次把边缘方向局部直方图应用到手势识别领域，在该区域内采用边缘局部方向直方图和几何特征矩相结合的方法进行特征提取，采用K-均值聚类进行手势特征的动态聚类，结合修正的hausdorff距离测度方法，实现了对于英文字母手势的正确识别。实验结果说明：本文的方法优于传统的基于统计方法进行手势识别的方法。也优于单纯采用hausdorff距离的方法进行手势识别的方法。 3建立了一种手势识别系统。该系统利用QuickCamPro4000型摄像机进行图像采集，利用差影方法实现分割，采用边缘方向局部直方图和几何特征矩实现手势的特征提取，实现手势的识别。