从计算机发明之时起,对人机交互方式的研究就成为了一个被广泛重视与讨论的话题,其发展非常迅速,不断地给人们带来惊喜。智能人机交互一般是指通过语音,面部表情,人的肢体语言和手势等与计算机进行交互。由于其更符合于人的自然特性,所以带给人的交互体验将是传统交互方式所不能达到的。所以,我们将对动态手势识别算法进行研究,以期达到更好的人机交互体验。本文主要解决的问题是基于多目摄像头广角无畸变拼接条件下的手势检测跟踪与识别。手势识别是计算机视觉领域中一项很有挑战性的研究。由于受到环境复杂性,外观多变性,以及光照变化、遮挡等因素的影响,手势跟踪识别面临很多问题需要解决。本文提出了一种具有自适应性和重新捕获能力的在线视觉跟踪算法。算法的跟踪器部分基于粒子滤波器跟踪框架,采用了一种在线式学习的支持向量机作为观察模型。算法的检测器部分我们选取了当前最为流行的描述符方向梯度直方图(HOG)特征作为我们的样本特征。为了达到实时性的要求,我们又采用了多种优化措施,积分图,肤色检测等都被用于我们的手的检测算法中。论文还引入支持向量机算法的自我修复机制,通过模版匹配模型删除由于自适应导致的一些错误支持向量,限制错误样本的引入。算法的实验结果显示算法较其他算法在测试数据集上占有优势,其他数据集上结果也比较有竞争力。