近年来,救援机器人在灾后救援工作中的作用日益凸显,如何将其更好的应用到灾后对幸存者的救援工作中,已经成为国内外很多研究机构的共同目标。将机器人技术、灾难学、数字图像学等多学科知识有机融合,研制与开发用于搜寻和营救的灾难救援机器人,是机器人学研究中一个富有挑战性的新领域。可见光条件下人手部分的检测技术是基于视觉的手势识别技术、手语识别及基于人体的目标检测技术中的关键环节。本文以救援机器人对图像中人手部分的检测为研究目标,对可见光条件下,灾难现场人手部分的检测技术进行了系统深入的研究。主要包括:人手静态图像检测及人手运动图像检测两部分。首先,研究可见光条件下人手部分的图像检测方法,分析各种检测方法的适用环境及优点。通过比较灾难现场图像及日常生活图像的差异,并针对人手部分的特点,如:人手姿态的多样性、不确定性,人手肤色差异性,在复杂背景下受干扰因素影响明显及灾难现场人手部分往往被废墟掩埋无法呈现完整的人手形状等,研究并提出有效的人手特征。然后,实现人手部分的图像特征处理。一方面,本文用人手肤色特征、纹理特征作为人手部分静态图像检测的有效特征,并分别运用相应的特征检测方法,将它们有效地描述、提取出来。另一方面,视频序列中对人手部分的检测还需要使用运动特征。本文利用时空融合的目标分割算法,时域分割采用帧间差分方法,计算出相邻两帧间的变化,空域分割使用Canny边缘检测方法,经形态学算子处理后形成团块集合形式,基于团块优先级的融合方法把时空信息结合起来,进而得到运动区域,并利用人手静态图像检测方法处理运动区域,最后使用SVM分类器对提取出来的特征向量进行检测,得到关于灾难现场非遮挡情况下检测率达到25%以上的人手检测结果。