随着机器人技术的快速发展,机器人已经广泛地应用于生活、生产等各个领域,人与机器人的交互成为热门的研究课题。传统的机器人操控方式单调、流程繁琐,人机交互不够直观且效率低,这就对新的人机交互提出了更高的要求。研究基于手势识别的交互系统不仅具有一定的学术研究价值,而且也有广阔的应用前景。本文以Kinect深度传感器采集的RGB-D图像信息为基础,分别实现了静态手势和动态手势识别,并将手势识别技术应用到机械臂的控制中,实现手势控制uArm机械臂书写数字,完成了手势识别对机械臂智能控制这一方法的验证。在静态手势识别的研究中,本文采用融合肤色模型的自适应深度阈值手势分割方法,能够克服光照和复杂背景的干扰,有效分割出手势区域;然后对手势区域进行形态学处理和平滑处理,并结合Border-Following算法提取手势轮廓;最后以计算出的手势多个特征参数为分类节点,建立静态手势识别分类决策树模型,实现了自定义静态手势的快速、准确识别。由于特征参数具有自适应性及缩放和旋转不变性,使得静态手势识别方法具有很好的鲁棒性。针对动态手势识别,提出了基于动态滑动窗口的动态手势起止点检测方法,能准确提取出有效手势序列,并使用改进的Freeman链码对有效手势序列进行编码。通过改进的动态时间规整(DTW)算法将有效手势序列与模板库进行匹配,实现动态手势的识别。本文改进的DTW算法通过控制斜率限制搜索范围,能有效防止模板畸形拉伸导致的识别错误,而且以查表的方式代替重复性的边界计算,减少了算法的耗时,提高了动态手势的正确识别率和识别效率。在实现静态手势识别和动态手势识别后,将手势识别结果转化为机械臂可执行的命令,实现了机械臂的智能控制。