随着手势识别应用研究的不断加深和拓展，如何快速提取、判别、表征手势特征已经成为人们更加关注的课题，而且这一课题已经在社会的游戏开发，医疗治疗，机器人控制等领域里体现了自己的重要价值。本文在学习了图像处理技术和OpenCV开发工具之后，总结了前人的研究成果基础上，对手势识别进行了广泛的学习和实践。本文的研究内容主要如下：构造标准手势模板。本文利用索尼相机在室外采集了五种标准手势图像，采用Berkeley人工分割图像思想，提出了轮廓提取算法，标记了图像中五种标准的手势轮廓，分别为A、B、C、D、E。实验表明，这种方式增加了手势轮廓的提取精确性。其次，计算出上述五种手势轮廓的Hu矩值来作为手势识别的标准值。手势的粗定位。本文从手势图像的颜色空间、形状、空间特征分布等角度分析手势图像，对手势图像进行了颜色空间转换，排除了亮度对提取肤色区域的影响，分析肤色空间的经验值定位目标手势。图像预处理。本文首先使用图像处理的膨胀、边缘增强技术提高目标区域图像的质量；其次利用Canny算子对图像进行边缘检测。最后提取轮廓。实验结果表明提取的手势区域比较完整，手势形状比较准确。手势识别。本文利用大量的手势图像素材提取出五种轮廓，选择五种轮廓分别与轮廓模板比对计算，获取比对结果作为轮廓的匹配经验阈值。再把这五种阈值作为检测测试图像的识别的标准。实验结果表明，手势匹配成功率约在50%到70%之间，基本符合本文的实验预期值。