手势识别技术是通过计算机理解手势动作代表的含义的技术。手势本身的多样性、多义性以及时间和空间上的差异性,使得手势识别成为一个具有挑战性的研究课题。本文对手势识别技术及其应用做了深入研究,并分别将手势识别技术应用于无人机操控和库房门禁系统。首先,论文分别针对基于传感器的手势识别技术和基于图像处理的手势识别技术进行了详细对比研究,并对手势识别技术的成本、便捷性进行分析,最终选择基于图像处理的方式进行手势识别技术的研究。其次,论文对基于图像处理的手势识别的基本原理和方法进行了研究探讨。手势识别技术的基本步骤主要有手势区域分割、手势特征分析和手势识别。文章对各个步骤中的一些关键技术进行了分析对比。接着,论文对不同颜色空间下的肤色模型进行对比研究。通过分析基于HSV、YCrCb颜色空间下肤色模型的手势区域分割方法的优缺点,本文提出了一种基于HS-CrCb颜色空间的肤色模型进行手势区域分割,并达到了较好的分割效果。然后,论文研究了静态手势的手指数量的识别方法。通过手势的凸缺陷对静态手势进行简单建模,并利用手势形状特征以及各手指模型的特征建立了不同凸缺陷对应的手指数量模型。最后,在对静态手势识别算法进行深入研究后,本文开展了对动态手势识别的研究,并将手势识别技术分别应用于无人机操控和库房门禁系统中。本文使用隐马尔可夫模型对无人机手势操控技术进行研究。通过分析手势门禁系统的技术要求,本文提出了一种基于支持向量机和隐马尔可夫模型相结合的方法进行手势门禁系统的设计。通过大量实验测试,本文的静态手势识别和动态手势识别达到了较高的识别准确率,具有一定的工程应用价值。