作为人机交互技术研究领域的热点之一,手势识别得到了国内外研究学者的深入研究,并且在虚拟现实,人工智能等方面也得到了广泛的应用。手势识别根据手部是否产生运动分为静态手势识别和动态手势识别;根据获取手部姿态方式不同分为基于非接触式传感器的手势识别和基于接触式传感器的手势识别。随着传感器的普及应用,基于接触式传感器的手势识别得到了飞速发展,特别是基于数据手套的手势识别,数据手套通过使用多个传感器可以更直观的获取手部姿态的三维空间信息,并且不受周边环境的约束,与基于非接触式传感器的手势识别相比,基于数据手套的手势识别的研究和应用价值更高。目前手势识别研究工作主要集中于识别算法的研究,忽视了人机交互中以用户为中心的理念,限制了识别算法在手势识别中的实际应用。本文总结了目前手势识别算法的相关知识,结合手势识别技术在虚拟现实训练装配场景中的应用,设计了一套以用户为中心的手势识别方法。首先,为保证用户在虚拟现实场景中拥有更自然、更沉浸式的体验,本文参考中国手语手册、人手部骨骼关节和数据手套传感器的分布对手势进行了定义;其次,分析数据手套采集的数据优缺点,对手势样本训练集做了优化处理,并针对k-means算法对k值和质心选择比较敏感和动态手势存在时序性的问题,提出了一种划时间区域的双重k-means手势特征提取方法;为截取有效手势,给每种手势设置了起止标签;分析了几种经典的识别算法,提出了一种基于特征模板带阈值的动态时间规整识别方法,并在虚拟现实训练装配场景中对该识别方法进行了实例验证。