根据最新统计数据,我国大约有2057万人为语言听力残疾,居智残、肢残、视力残疾等五大残疾之首,占全国人口的1.67%,其中有80万人是年龄低于7周岁的儿童。手语作为聋哑人交流的必要工具、与健听人沟通的重要桥梁发挥着不可替代的作用,也是当今大学实验室中研究的热门课题之一。本文主要以Leap公司最新研发的体感控制器Leap Motion为手势特征获取设备,针对单手静态指语展开的研究。在本文中实现了两种指语识别方法,一种是基于模板匹配方法提出的基于特征匹配的指语识别,该方法是从Leap Motion获得的空间关系特征结合特定指语形状特征完成特征提取的,通过计算得到模板阈值后与之匹配实现分类。实验结果证明该方法对复杂背景具有很好的适应性,但是手势库难于拓展。另一种是基于支持向量机(SVM)的指语识别,主要是针对之前方法的不足提出的一种基于统计学的分类方法,在该方法中对第一次提取的特征进行了优化,使得提取后的特征具有很好的普适性,再经过归一化和主成分分析(PCA)降维的方式,提高了系统运行速率,利用网格寻优算法提升了分类器性能。并且通过两组实验进行了验证,九种数字指语实验验证了提取的特征具有旋转、放缩不变性;二十三种字母指语实验验证了该方法具有很好的可拓展性。实验结果证明,该方法不但弥补了之前方法的不足,而且也保留了之前方法的优点。本文中基于特征匹配的指语识别方法的平均识别准确率为96.02%,具有旋转、放缩不变性的同时对光照强度不敏感。改进后的基于SVM的指语识别方法不但具备以上优点,同时还具有良好的可拓展性,平均识别准确率为94.3%。