随着科技的发展,人机交互场景广泛出现在人类的日常生活中。手势作为人类最自然的表达方式,在人机交互领域受到了广泛的关注。目前基于机器视觉的手势识别方向出现了丰硕的研究成果。现在的互动演示系统大多需要专用硬件,在互动投影演示的应用中存在很多不足。本文设计了一种基于视频手势识别的互动投影演示系统,解决目前互动演示系统在投影场合应用中遇到的问题。本文首先在投影演示系统的基础上增加了视频采集设备,设计了基于RGB视频手势识别的互动投影演示系统。提出Sobel算子法和亮度差法融合的交互区域检测方法,准确获取交互区域。并利用卷积神经网络获取图像的深层特征对手势进行识别,提高了系统手势检测识别的准确性与鲁棒性。通过对指定手势的检测识别结果进行卡尔曼滤波跟踪和调用系统接口实现重点标注,翻页等交互功能。本系统提升了用户在演示过程中的使用体验,并且具有硬件结构简单、便于安装等优点。开发过程中发现基于RGB视频的手势识别互动演示系统,在复杂投影图像、光照等影响下,系统的稳定性和准确性出现下降。考虑到深度视频对上述影响具有良好的鲁棒性,因此设计了基于Kinect V2采集深度视频的手势识别互动演示系统。提出了一种基于深度视频特征聚类分析的交互区域检测方法,在保证识别准确性的基础上,利用深度视频纹理特征简洁的特点简化深度网络结构,提高手势识别速度。经过测试基于深度视频的互动演示系统对多种投影演示场景具有更好的鲁棒性,手势识别稳定,系统运行流畅。