时代的迅速发展和科技的不断进步,使人机交互被更多的研究者所关注与追逐。其中,手势这一表达方式,以其简单易于操作的优点成为人机交互领域的一项重要技术。手势识别涉及到图像处理、模式识别、计算机视觉等多个学科,是当前广泛研究的热门课题之一,它逐渐被应用于生活娱乐中,带给体验者更多的便利。本文主要研究的是静态手势识别,主要由手势预处理、手势检测分割,手势特征提取和手势识别几部分构成,其中如何提取有效的手势特征是本课题的关键部分。首先,本文对手势图像进行预处理和分割,预处理部分主要应用归一化处理,包括尺度归一化和亮度归一化,从而使图像具有“统一标准”,减少了由于光照差异过大或者尺寸差异对识别率的影响。手势分割部分采用的是基于高斯模型的YCbCr颜色空间与二值形态学相结合的算法,与其它方法相比取得了较好的效果。其次,对手势特征提取方面做了探索性研究,将多级区域局部二值模式(MB-LBP, Multi-Block Local Binary Pattern)纹理特征应用到手势的特征提取中,该方法是基于局部二值模式(LBP, Local Binary Pattern)特征提取方法的改进算法。它有效的利用了像素点之间的相关性和对局部细节信息描述能力强的优点,弥补了局部二值模式对空间信息把握不足的缺点,同时增强了算法对噪声的抵抗能力,并且可以根据划分不同大小的子块,得到不同尺度的手势特征,实现了对手势信息更为完整的描述,并对标准数据库进行纹理特征提取实验,验证其有效性。最后,利用支持向量机(SVM, Support Vector Machine)的方法对不同手势进行分类训练,并以Massey University手势数据库为标准数据库进行对比实验,实验证明,这种方法取得较高识别率,达到较好效果。