随着人机交互技术(Human Computer Interaction,HCI)的发展,以及人们对智能友好人机交互的追求,手势作为日常生活中使用广泛的交流方式,具有自然直观、易于学习等特点,必然被人们应用到人机交互当中。近年来,基于手势识别的人机交互技术逐渐成为研究热点,现已被应用于许多机器人交互系统、智能家居等领域中。而手势跟踪作为动态手势识别技术至关重要的一环,对整个交互系统是否可用起决定性的作用。　　 本文主要研究基于视觉的手势跟踪技术,尝试设计一个实时准确的基于粒子滤波的手势跟踪算法,克服粒子滤波跟踪算法存在的粒子集小跟踪不准确、粒子集大跟踪实时性差的矛盾,为实时的手势识别奠定坚实的基础。主要研究内容包括复杂背景下的手势跟踪、观测模型的构造、自适应类别K-means聚类算法等关键技术,通过引入自适应搜索窗口尺寸的均值漂移、自适应类别的K-means聚类算法,我们对实时性差的粒子滤波算法做持续的改进。　　 本文首先给出一种基本的粒子滤波算法,并综述粒子滤波实现手势跟踪的优势与劣势。然后针对其存在的准确跟踪必须使用大粒子集而导致实时性差的问题,提出一种粒子滤波结合两次自适应搜索窗口尺寸的均值漂移手势跟踪算法PF2MS,该算法对预测之后的粒子利用均值漂移对每个粒子进行局部寻优,将粒子移到手发生运动可能性最大的位置,然后对估计的运动位置再次利用均值漂移寻找手的确切位置,通过这种方法达到准确实时的手势跟踪,从而大大的减少了所需要的粒子数。最后,由于PF2MS算法进行手势跟踪时存在大量多余的均值漂移动作而浪费时间,我们提出一种自适应类别的K-means聚类算法,并将该算法嵌入PF2MS进一步减少不必要的均值漂移,从而进一步提高粒子滤波跟踪算法的跟踪效率。实验结果表明,通过多种算法上的改进后,基于粒子滤波的手势跟踪算法大大的增强了准确性与实时性。