随着人机交互技术的迅猛发展,人机交互技术中的手势识别已经成为计算机视觉领域的一个重要课题,手势交互是人机交互中的一种很重要的方式。因此,手势识别技术日益受到社会各界的广泛关注。设想一个情景,当你坐在电视机前,不用遥控,就能用手打开电视机并且切换电视频道；本文的主要目的就是基于这样一种应用,通过裸手手势识别,结合最简单的算法,有效、实时地实现终端机的屏幕切换功能。虽然手势识别技术应用广泛,但是与其他目标识别一样,也存在诸多困难与挑战,尤其是动态手势识别遇到的困难与挑战更多,动态手势的挑战主要来自不可预测的环境和手势本事特性,例如光照变化、与手势特征近似的背景区域干扰、目标遮挡等。为了降低手势识别的难度,本文假定运动手势为刚性物体。为了准确、实时的对视频运动手势进行实时分割,本文提出了一种结合肤色模型及手势运动特征相结合的方法实现视频运动手势分割算法。为了更好的对手势图像进行肤色分割,本文通过实验与理论结合的方式,选择HIS颜色空间的色度平面进行模型的训练与测试,为了提高算法鲁棒性,采取了基于像素点的参数模型——高斯混合模型进行肤色分割,同时,为了降低整个算法的复杂度,本文通过引用降采样方法,在保留整体分割效果的同时,降低了高斯混合模型的复杂度,有利于视频手势的实时分割,然后结合运动信息及区域生长法对特征点进行提取,从而有效地消除干扰,实现视频手势分割；具体算法：本文首先利用训练样本在HSI颜色空间建立GMM模型获取GMM参数,然后,利用训练好的模型及参数对视频输入图像进行测试,测试算法主要由五个部分组成：1)每次抓取视频图像的第1帧与第J帧；2)分别对第1帧与第J帧进行定点采样,获取采样点,然后对采样点进行肤色分割,得到肤色采样点；3)利用第1帧与第J帧的相对运动信息并结合区域生长法筛选特征点；4)获取特征点重心,提取运动矢量,然后判断手势运动方向。大量测试结果表明,本文算法非常简单,能有效、实时地实现屏幕切换功能。