计算机和互联网的普及使得人机交互成为日常生活的重要组成部分。随着计算机的处理能力越来越强，人们开始探索符合人类交流习惯的自然人机交互技术。基于视觉的手势识别符合人的自然交流习惯，并且可以进行远距离、非接触的交互，成为自然人机交互研究中的热门方向。
　　 论文首先简单介绍了手势识别技术的研究背景和研究意义，归纳总结了基于视觉的手势识别技术的研究现状。然后提出一种基于多信息融合的手势检测定位方法，采用自适应更新的肤色建模方法进行肤色检测，利用Running Average方法不断更新背景，采用背景减除的方法进行运动检测，结合肤色检测和运动检测的结果提取手势候选区域，提高了手势检测定位的准确率。接着论文提出一种基于梯度方向直方图和PCA-LDA的静态手势识别方法，从归一化之后的手势图像中HOG特征，然后利用PCA-LDA的方法进行降维，将HOG特征映射到低维子空间，在子空间中采用最近邻原则进行手势分类识别，该方法在静态手势集上的测试识别率达到95％以上，与相关算法相比识别率有较大提高。最后论文将手势检测定位方法和手势识别方法综合起来，构建了应用于视频序列的手势识别原型系统，对该原型系统采用ROC曲线的方法评价其分类识别性能。针对真实场景下手势会有不同角度的旋转，在训练手势分类器时增加旋转训练样本，分类识别性能得到明显改善。提出一种连续手势的识别方法，从视频序列中分割和识别出连续手势，对定义手势的正确识别率可以达到93％，而对非定义手势的正确识别率可以达到83％。