基于计算机视觉的手势识别是实现新一代人机交互的一项关键技术。本文从手势分割、手势特征提取和手势识别三方面对基于计算机视觉的手势识别算法进行了研究。在手势分割部分，本文提出了一种运动检测和肤色检测相结合的手势分割方法。即首先利用运动检测得到手势的运动区域，然后再在运动区域内进行肤色检测得到二值化手势图像，最后对手势图像进行去噪处理，达到最佳的手势分割效果。在手势特征提取部分，针对手势的特点，本文采用手势的Hu不变矩和圆形度作为手势的特征向量。实验结果表明，本文所提取的手势特征具有较强的抗噪能力，对手势的平移、比例缩放和旋转变化具有良好的不变性。在手势识别部分，本文提出了一种基于支持向量机和最近邻准则相结合的手势识别方法。首先利用手势训练样本对支持向量机进行训练，训练成功后用于手势的识别；针对支持向量机可能将同一手势错分为多个类别的情况，提出采用最近邻准则对手势进行再分类，进一步提高了识别率。在算法研究的基础上，本文最后实现了一个基于视频的实时静态手势识别系统。测试表明，系统具有较高的识别率和较好的实时性。