手势识别,作为人机交互领域中一种重要的方式,在人机交互中发挥了至关重要的作用。作为手势识别的初始阶段,手势分割所得到的分割结果将直接影响后续手势识别工作的进行。因此,也更加突出了手势分割在整个手势识别过程中都起到了决定性的作用。论文主要从基于视觉的手势分割方法出发,通过理论与实验相结合的方式,实现将手势图像或是手势视频序列中的目标手势从复杂背景中分割出来的目的。具体研究工作如下:1.通过对现有RGB,HSV和YCb Cr等常用颜色空间的研究,提出了一种基于YCb Cr颜色空间和K-means聚类算法的手势分割方法。实验结果表明,该方法能够将手势从较为复杂的背景中分割出来,并且能够获得良好的手势分割效果,而且该方法对复杂光照具有良好的鲁棒性。该方法适用于有复杂颜色背景和光照干扰的静态手势分割。2.针对现有肤色模型中存在的缺点和表现出的不足之处,本文在上述研究的基础上,提出了一种基于混合肤色模型和FCM算法的手势分割方法。实验结果表明,该方法算法简单、高效、易于实现,可用于复杂背景下的动态手势识别领域。该方法适用于有复杂颜色背景和自然环境干扰下的静态手势分割。3.为了改进复杂背景下动态手势分割的分割精度与实时性的问题,提出一种基于改进Kalman滤波与加权肤色模型的动态手势分割方法。实验结果表明,利用本文提出的方法可以有效的将手势从复杂背景下的动态手势视频序列中分割出来,而且手势分割精度较高。该方法适用于颜色干扰和变化光照影响的视频序列中动态手势分割。4.针对现有动态手势分割方法存在的不足之处,提出了一种基于不等概率背景差分和改进FCM算法的动态手势分割方法。实验结果表明,利用本文提出的方法可以有效的将动态手势视频序列中的目标手势分割出来,实现复杂背景下实时动态手势分割的目的。该方法适用于有非目标人手和人脸干扰,以及变化光照影响的动态手势分割。考虑到手势识别在人机交互中的实际应用意义,提高复杂背景下动态手势分割精度和分割算法实时性仍需进一步的研究。