随着计算机软件技术和硬件设备的快速发展,近年来人机交互模式发生了巨大改变,传统的鼠标与图形界面的交互方式已无法满足人们日益增长的交互需求,各类更加自然的交互模式应运而生,如用户可以通过语音、触控、手势等符合日常生活习惯的方式与计算机进行各种交互。其中,手势交互是一项广泛应用于家庭娱乐系统中的技术,而Kinect作为一项创新性应用成果,为手势交互提供了重要的设备支持。传统的基于视觉的手势识别方法在识别过程中存在着一些不足和问题,如基于模板匹配的方法在手掌倾斜的情况下匹配正确率较低;当模板数量较多时,匹配所消耗的时间会大大提高。此外,复杂背景以及环境的干扰也会对手势识别产生影响。针对以上问题,本文提出了一种结合决策树分类和运动轨迹拟合的Kinect手势识别方法,从融合静态手势识别和动态手势轨迹拟合这一角度探索了手势动作的实时识别问题。本文从Kinect的组成结构和关键技术出发,通过运用Kinect的深度图像和骨骼追踪功能实现了手掌轮廓的提取。然后,本文使用圆周序列曲线对手掌轮郭进行建模;利用极值点对法准确地区分出各个手指的轮廓来建立特征集,并利用决策树对特征集进行分类训练,从而完成静态手势的分类与识别。本文静态手势识别的方法在自采集数据集和10-Gesture上进行了实验验证,平均识别率分别为85.31%、85.30%。针对手势交互中的人手轨迹识别问题,本文提出了一种手势轨迹的直线与抛物线拟合方法,通过识别出的手掌运动轨迹类型来辅助判断手势,从而消除交互过程中手部不规则运动对手势识别的干扰。本文分别对直线拟合与抛物线拟合进行了实验验证,拟合这两类手势运动轨迹的平均正确率为97%、92%。在此基础上,本文结合静态手势与动态手势轨迹识别结果,以轨迹的类型和轨迹起始帧与结束帧的静态手势类型确定手势语义,并将其应用于FreeScup雕塑辅助设计应用之中,从而通过使用手势与三维雕塑辅助设计平台的自然交互,达到提高建模效率的目的。