随着计算机技术的迅速发展,人机交互成为我们日常生活中的重要部分,人机交互技术成为人们研究的重点,其中包括表情识别、语音识别、行为识别等。手势是人们表达情感、传递信息的一种重要手段,手势识别也成为了人机交互技术中不可缺少的一部分,受到了人们越来越广泛的关注,同时其应用范围也日益广泛,如虚拟现实、手语学习、医学研究、智能监控等,因此,对于手势识别技术的研究具有深远的研究意义与社会价值。本文对手势识别技术进行研究,在对HMM(隐马尔可夫模型)算法和SVM(支持向量机)算法研究的基础上,对基于HMM的手势识别进行分析,针对其存在的不足加以改进。本文的主要改进思路为采用决策级信息融合的思想对动态手势进行识别,一方面使用SVM对静态手型进行识别,另一方面则利用SVM的强分类能力和HMM对时变信号的处理能力,实现动态手势轨迹的识别,最后使用信息融合得到最终的识别结果。另外为提高识别速度,将手势模板库设计为索引表结构,改进后的数据库具有很强的扩展性。在系统的具体实现上,使用VC++6.0作为开发工具,MATLAB作为辅助软件对系统进行仿真实验,在实验中,实现了基于肤色的手势分割、手势轮廓特征提取、轨迹跟踪等,最后采用对比实验对改进后的系统性能进行分析。实验对四种动态手势进行了识别,结果证明改进后的基于混合模型的手势识别系统具有较好的识别效果,识别率高达94.5%,并且在识别效率上有了很大的提高。