最近几年,随着计算机技术的迅猛发展,人与计算机的交互活动日益频繁,人机交互也成为人们日常生活的一个重要组成部分。依靠传统的交互方式,用户通过键盘、鼠标向计算机输入信息,这种方式的弊端在于用户不能以习惯的方式(如手势、语音)与计算机进行交互;而现代的交互方式冲破了人机通信的瓶颈,充分体现了以人为本的思想,通过手势、语音等方式实现人机交互,是一种多媒体、多种模态的交互技术。手势是一种自然、直观、易于学习的人机交互手段,与鼠标相比,手势不但提供了更加丰富的空间信息,而且自然舒适符合用户的交互习惯。手势的识别就是根据用户的手势识别手势的含义。本文描述一个基于数据手套的手势识别系统。本文采用中科院研发的CAS-GLOVE型数据手套,针对传感器的特性,将传感器的原始数据转换为角度数值,提高了系统的精确度和识别率。本文分析了手形的几何关系,建立了虚拟手的模型,由数据手套的数据接口获取各指节的曲伸角度,建立手势标准样本库,实现了基于BP神经网络的手势识别方法,用手势标准样本加以训练,使其具备识别手势的功能。本文还提出了基于决策树的手势识别方法,实现了实时识别功能。该算法非常简单,识别速度快,识别率高,其缺点是容易造成误差的累积,使决策树中离根节点较远的样本识别率较低,而且无法进行拒识别。