随着计算机科学的快速发展,人机交互领域逐渐呈现出多元化,不再单纯局限于传统的键盘,鼠标等输入设备。手势识别之所以作为自然交互的热点课题,是因为其直观、灵活、表达丰富等特点更加符合人们在日常生活中的习惯。使用基于视觉的手势识别方法已成为该领域的主流方法,通过对手势图像的采集和处理,最终输出理想的结果。使用Kinect二代传感器作为采集设备,不仅可以采集彩色信息,还可以获取深度信息及骨骼信息,文中分别对静态手势识别和动态手势识别两种方法进行研究与改进,将改进的算法应用于Unity3D平台上开发的体感游戏中,主要工作内容如下:（1）介绍了Kinect传感器的工作原理等,在传统中值滤波算法的基础上,增加了对提取图像中无法获取到的深度像素点（0值点）的判断,从而在原算法基础上进行了改进,提高了效率。对常见的手势分割算法,如基于深度图像的邻域分割法、基于肤色模板匹配的分割法进行实验,分析出各自算法的不足之处,最后提出深度信息邻域法与YCb’Cr’肤色模板匹配法相结合的算法将目标手势从图像中分割。（2）对Border-Following算法进行详细的介绍,并将其应用于手势图像边缘轮廓的提取过程中。在K-curvature算法和凸包算法的基础上针对手指靠拢的情况提出了一种“指宽对比法”同时使用基于掌心指尖检测法来辅助提高手指检测的准确度,并根据手指个数、有效凸缺陷数、有效凸缺陷特征夹角、轮廓面积与其外接圆面积比四个特征参数作为分类节点,建立静态手势分类决策树完成手势识别实验。（3）在动态手势识别方法中,使用上肢部分关节点夹角特征作为特征向量进行匹配识别。应用动态时间规整算法（Dynamic Time Warping,DTW）,并提出两种改进方法,一是将DTW算法规整路径的斜率范围限制在四边形范围内的基础上,用查找表的方法来取代每次都要重复的边缘计算,提高了效率;二是在传统DTW算法基础上优化参数的方式使两个模板规整的路径更逼近对角线,从而提高准确度。（4）基于Unity3D开发平台在键入式跑酷游戏的基础上,将改进的动态手势识别方法应用在游戏中,增加了体感交互模块,从实验的结果可以看出,有较理想的准确度,同时增加了游戏的可玩性。