人手检测和跟踪是基于视觉手势识别技术中的关键问题。本文针对单目静态摄像头场景下的人手检测和跟踪进行研究,提出了一种人手检测算法和两种人手跟踪算法,并且在大量测试视频中验证了它们的有效性。提出一种基于多线索的人手检测算法。假设已经检测或跟踪到人脸,先根据人脸信息设置人手检测范围、估计扫描窗口尺度和在线训练肤色模型,再在人手检测范围内进行肤色检测和运动检测,提取运动的肤色区域,然后利用离线训练的级联分类器在运动的肤色区域内以估计的尺度进行扫描。结合上下文、肤色和运动等多种线索不仅可以减少运算时间,还可以提高检测的准确性。提出一种结合分割的目标跟踪算法。首先根据目标和背景的混合高斯模型计算权值图,在权值图上进行EM-like迭代估计目标的空间模型,利用目标的空间模型定义一种五层椭圆模型。然后在图割算法中引入五层椭圆模型,采用基于五层椭圆模型的图割算法提取准确的目标区域。在目标和背景颜色相似的情况下,五层椭圆模型可以显著地改善分割效果。对于人手等形状不规则的物体,若没有准确地提取目标区域,粗略地使用矩形框描述目标,则建立目标和背景模型时难免引入误差,导致跟踪漂移。上述算法仅使用颜色特征进行目标跟踪和分割。当目标和背景在颜色特征空间中不可分时,上述算法无法成功地跟踪和分割目标。为了克服上述算法的缺陷,提出一种基于多特征的人手跟踪算法。该算法采用肤色、运动和Haar-like特征分别构造一个弱跟踪器,通过级联的方式将三个弱跟踪器组合起来。若某一级跟踪器成功地跟踪到目标,则不需要使用后续跟踪器进行处理。肤色和运动特征可以区分人手和大部分背景区域,Haar-like特征负责区分人手和其他运动的肤色区域。