近几年随着计算机技术的迅猛发展,人机交互技术逐渐成为计算机视觉领域的研究热点。作为一种新颖、自然、直观的人机交互手段,手势识别技术有广泛的应用前景。手势在时空上具有多样性和不确定性,并且人手的自由度大,因此,手势识别技术是一个极具挑战性的研究课题。　　本文研究基于视觉的实时手势识别技术,建立复杂环境下实时手势跟踪和识别系统。该系统主要包括手势分割、跟踪、特征提取以及手势识别等关键技术。　　在系统中给出改进椭圆肤色模型和背景差分法相结合的方法对手势进行分割。对肤色训练样本集进行均匀化分布处理,以得到更准确的椭圆肤色模型参数。在 RGB空间中对图像进行颜色均衡后再进行肤色检测,以减少光线引起的图像色彩偏差。然后将肤色区域与背景差分法得到前景图像做与运算,得到手势区域。　　在对手势进行跟踪时,采用预测型Camshift算法。该算法引入Kalman滤波器,对 Camshift算法的搜索窗的质心位置进行预测和校正,得到手势的中心位置。在不影响实时性的前提下,该算法克服了Camshift算法中类手势颜色区域对跟踪的干扰。　　根据手势的特点,提取手的7个Hu不变矩组成特征向量。在手势识别阶段,建立基于改进模糊C均值聚类的BP神经网络分类器。对定义的20种手势的样本库进行了仿真试验,测试集的识别率可以达到90.175％。　　最后根据文中介绍的实时手势识别系统的主要关键技术,在Microsoft Visual C++6.0编程环境下实现了实时手势跟踪和识别系统。将手势应用到人机交互中,利用识别结果实现对Excel的操作。在实时测试中,对10种数字手势的识别率总体上达到80%,可以满足交互系统对实时性和准确性的基本要求。