手势识别技术是一种以通过模式识别方法对人类手型或者手势动作进行解释为目标的新兴技术。手势识别系统具有安装方便、成本低廉以及用户体验好的特点,因而,手势识别技术在应用和理论上都有非常重要的研究意义。本文以OpenCV为基础,对最常见的6种静态手势进行了分类识别。1.采集目标手势及预处理。通过摄像头捕获视频流,并且以AVI格式保存,作为输入图像,再通过调用OpenCV库函数对输入图像进行一系列预处理操作,为之后的手势分割以及特征提取提供有利的条件。为了能够去除图像中的无关信息同时保持图像的关键信息,本文分别使用了中值滤波、拉普拉斯滤波对目标图像进行平滑和锐化。在进行肤色分割时,将图像转换到对人体肤色聚类更好的色彩空间——YCrCb空间;进行二值化处理时,运用OTSU算法寻找最佳动态自适应阈值,将人体肤色以及类肤色区域单独提取出来,再由手势区域的一些判定条件除去其他的非手势肤色区域,将手势单独分割处理;运用形态学处理有效地去除手势图像中的“黑洞”和“突刺”,使提取的手势图像更加完整。2.手势特征向量的提取。选用Hu矩中前4个Hu值作为手势图像的特征参数,以及通过求曲率和凸包方式获取的特征参数——指尖数目,共5个特征参数构成目标手势的特征向量。3.手势识别和系统设计以及测试。先通过手势图像的特征向量,对输入的样本手势进行分析,建立标准手势库;然后对该库进行样本训练,生成分类器;最终利用新生成的分类器对目标手势进行分类识别。本系统采用一种简单有效手势识别方法——模板匹配法,实验结果表明,基于模板匹配算法对最常用6种静态手势的识别率达到95.5%。