随着老龄化社会、公共安全事件以及教育医疗对服务机器人的需求旺盛,服务机器人需求急剧增长,然而服务机器人要想步入家庭生活和服务环境,进而更好地融入人类社会,其应能以自然、符合人的交互习惯的方式与人进行交流。智能人机交互的目标是建立和谐自然的人机交互环境,手势作为基本的生物特征,自然性和直观性好,在人-家庭服务机器人交互中处于非常重要的地位,因此,基于手势的人-家庭服务机器人交互技术是实现智能人-家庭服务机器人交互所不可缺少的一项关键技术。针对人与家庭服务机器人手势交互中存在的问题,本文主要以显著性和深度信息为途径对家庭服务机器人手势交互中的手势检测、手势特征提取和手势识别展开了深入的研究,具体如下:首先,提出了基于RGB-D和显著计算的手势检测方法。该方法融合了颜色多尺度全局区域对比度、纹理多尺度全局区域对比度、对象性度量和肤色概率等高层先验知识构建基于多特征多尺度全局区域对比度的显著计算模型,进而在构建的显著计算模型基础上融入图像的深度信息、3D骨骼和3D点云信息进行手势检测,较好地降低了复杂家庭环境中存在的遮挡、光照变化、光照不均及阴影等对手势检测的不利影响,为复杂背景下进行手势检测提供了一种新的思路。其次,设计了基于融合特征的多尺度显著性驱动双边滤波的手势特征构造方法。该方法设计了显著性驱动的双边滤波用于更好地保存手势和平滑手势区域中的噪音,进一步提出了基于层次的融合混合概率典型相关分析(M-PCCA)和最大间隔维数约简(MDDR)的多特征融合方法,最后,在构建的显著性驱动双边滤波和多特征融合方法的基础上构建多尺度特征并对该特征的有效性进行了验证,构建的特征一定程度上减少了手势区域中背景、光照以及噪音对后续手势识别的影响,为后续识别奠定了重要的手势特征基础。再次,针对基于稀疏表示的手势识别存在的问题及显著性可有效描述手势的特点,本文提出了基于显著性和直方图交叉核的稀疏表示静态手势识别方法。由于显著性具有去除复杂背景、均匀凸显对象和可有效描述手势的特点,提出采用显著性作为手势的特征。为了改善稀疏表示字典的质量,本文提出了基于学习的手势字典构建方法,较好地改善了稀疏表示分类的性能。考虑到数据的非线性特点,针对在原始训练特征空间直接进行稀疏表示可能产生不好的分类结果的问题,提出采用直方图交叉核用于稀疏表示进而进行手势的识别。最后,对提出的方法的有效性进行了验证。然后,提出了基于RGB-D和运动上下文特征的动态手势识别方法。采用前面提出的基于RGB-D和显著计算的手势检测方法对动态手势进行检测。考虑到动态手势序列相邻帧之间存在动态性和连续性,本文设计了融入运动上下文的特征用于描述动态手势。其次,针对现有HMM的性能依赖于模型的初始参数,提出了新的模型状态数以及状态输出概率密度函数的初始参数的确定方法,最后,对提出的方法进行了有效性验证。最后,在前面理论研究的基础上,针对一个具体的人与家庭服务机器人交互系统进行了方案设计,定义了手势交互系统的手势指令集,设计了交互系统的软件主流程,给出了IN-RT开发系统的开发示例。