随着计算机技术的发展,以人为中心的人机交互方式成为人们研究的重点。手势作为人机交互接口的一种,具有简单、高效、人性化的特点,而且基于视觉的手势解决方案,可以实现一种非接触式的交互方式,能够满足人机交互的新需求。然而,基于视觉的手势识别在应用中面临诸多问题,要实现无障碍地交互仍是一个挑战。本文主要工作如下：(1)在光线补偿方面,针对光线变化对图像质量影响较大的问题,提出了一种改进的光线补偿策略。首先通过基于对数变换和指数变换的方法对图像的亮度进行修正,然后使用一种基于动态阂值的白平衡方法进行二次修正。实验结果表明,该方法可以实现对图像较暗区域和高亮区域的修正。(2)在静态手势识别方面,针对基于肤色的手势分割效果不理想的问题,提出一种融合HSV和YCbCr色彩空间的肤色分割方法,并实现了一个基于支持向量机的静态手势分类器。实验结果表明,融合的方法可以达到更好的分割效果,与传统的模板匹配方法相比,基于支持向量机的分类器显著提高了识别率。(3)在动态手势识别方面,为了增加手势跟踪的稳定性,改进了Tracking-Learning-Detection跟踪算法,通过引入Haar分类器来修正跟踪过程中的偏差,并实现了一个基于隐马尔可夫模型的动态手势分类器。对比实验结果表明,改进后的跟踪算法有效地提高了跟踪的稳定性,基于隐马尔可夫模型的识别方法也有效地提升了识别的准确率。